Дауыс агенті үшін gpt-audio-1.5 пен gpt-realtime-1.5-ті қашан қолданған дұрыс?

Кеңірек контекст қажет болатын Chat Completions ағындарында жоғары сапалы аудио үшін gpt-audio-1.5-ті таңдаңыз; төмен кідіріс пен тікелей ағынды дауыс өзара әрекеттесулері үшін gpt-realtime-1.5-ті таңдаңыз. :contentReference[oaicite:46]{index=46}

gpt-audio-1.5 өндірістік ортада клиенттерге қолдау көрсететін дауыс агенттері үшін қолайлы ма?

Иә — ол дауыс көмекшілері мен диалогтық агенттерге арналған, бірақ өндіріске енгізер алдында адам тарапынан шолу/QA, журналдау және қауіпсіздік бақылауларын қосуыңыз керек. :contentReference[oaicite:48]{index=48}

gpt-audio-1.5-ті енгізген кезде ескеру керек негізгі шектеулер қандай?

Негізгі ескеру жайттары: үлкен контексті аудио сессиялар үшін есептеу ресурстары мен кідіріс арасындағы ымыралар, дауыс мазмұнына арналған қауіпсіздік шектеулері және сіздің салаңызда ASR/TTS шығыстарын тексеру қажеттілігі. :contentReference[oaicite:49]{index=49}

gpt-audio-1.5 API-де сөйлеуді мәтінге де, мәтінді сөйлеуге де түрлендіруді орындай ала ма?

Иә — ол аудио кірістерін қабылдайды және Chat Completions/audio соңғы нүктелері арқылы аудио шығыстарын немесе мәтіндік жауаптарды қайтара алады. :contentReference[oaicite:45]{index=45}

gpt-audio-1.5 API үшін ресми контекст және шығыс токен шектеулері қандай?

gpt-audio-1.5 128,000 токендік контекст терезесін қолдайды, ал құжаттарда шамамен 16,384 максималды шығыс токені конфигурациясы көрсетілген; нақты шектеулерді әр соңғы нүкте үшін әзірлеуші құжаттамасынан тексеріңіз. :contentReference[oaicite:44]{index=44}

gpt-audio-1.5 құралдарды біріктіру үшін ағынмен жіберуді және функция шақыруды қолдай ма?

Иә — модель сыртқы құралдар мен жұмыс процестерін біріктіру үшін ағынды аудио жауаптарды және құрылымдалған шығыстарды/функция шақыруды қолдайды. :contentReference[oaicite:47]{index=47}

OpenAI

Қолжетімді

gpt-audio-1.5

gpt-audio-1.5 API

Chat Completions арқылы аудио енгізу, аудио шығару үшін ең жақсы дауыс моделі.

Бастапқы баға

$2.00 / 1М кіріс токен

Пайдалануға негізделген төлем

API күйі

Қолжетімді

Өндірістік соңғы нүкте

Жауап беру уақыты

Async-қа дайын

Байқалған API жауап беру уақыты

Шығарылған күні

Feb 24, 2026

OpenAI

Шолу

gpt-audio-1.5 туралы маңызды мінез-құлық пен интеграция ерекшеліктерін қамтитын практикалық шолу.

gpt-audio-1.5 техникалық сипаттамалары

Параметр	gpt-audio-1.5 (қоғамдық сипаттамалар)
Модельдер отбасы	GPT Audio family (аудиоға басымдық беретін нұсқа)
Кіріс түрлері	Мәтін, аудио (дауыс арқылы енгізу)
Шығыс түрлері	Мәтін, аудио (дауыс арқылы шығару), құрылымдалған шығыстар (функция шақырулары қолдау көрсетіледі)
Контекст терезесі	128,000 токен.
Ең көп шығыс токендері	16,384 (байланысты gpt-audio тізімінде құжатталған).
Өнімділік деңгейі	Жоғары интеллектуалдылық; Орташа жылдамдық (теңгерімді).
Кідіріс профилі	Дауыс арқылы өзара әрекеттесуге оңтайландырылған (endpoint-қа байланысты орташа/төмен кідіріс).
Қолжетімділік	Chat Completions API (аудио кіріс/шығыс) және платформалық playgrounds; realtime/voice интерфейстері бойынша біріктірілген.
Қауіпсіздік / пайдалану ескертпелері	Дауыс контенті үшін қорғаныс шектеулері; өндірістік дауыс агенттері үшін әдеттегі қауіпсіздік және верификация талаптарымен модель шығуларын қарастырыңыз.

Ескерту: gpt-realtime-1.5 төмен кідіріс пен realtime сессияларға оңтайландырылған, тығыз байланысты аудио/дауыс-бірінші нұсқа; төменде салыстырыңыз.

gpt-audio-1.5 деген не?

gpt-audio-1.5 — Chat Completions және онымен байланысты аудиоға қабілетті API-лер арқылы әрі сөйлеу енгізуін, әрі сөйлеу шығаруын қолдайтын аудиоға қабілетті GPT моделі. Ол дауыс агенттері мен дауыс-бірінші тәжірибелерді жасауға арналған, сапа мен жылдамдықты теңдестіретін, жалпыға қолжетімді негізгі аудио модель ретінде ұсынылады.

Негізгі мүмкіндіктер

Дауыс енгізу/шығару қолдауы: Табиғи дауыс диалогы үшін ауызша енгізуді өңдеп, ауызша не мәтіндік жауаптар қайтарады.
Аудио процестер үшін үлкен контекст: Өте үлкен контекстті (құжатталған 128k токен) қолдайды, бұл көпқадамды, ұзақ сөйлесу тарихын немесе ауқымды мультимодальды сессияларды мүмкін етеді.
Стриминг және Chat Completions үйлесімділігі: Ағынды аудио жауаптар және функция шақыруларына негізделген құрылымдалған шығыстармен Chat Completions ішінде жұмыс істейді.
Өнімділік/кідіріс теңгерімі: Орташа өткізу қабілетінде жоғары сапалы аудио жауаптар беру үшін бапталған—сапа маңызды болатын чатботтар мен дауыс ассистенттері үшін қолайлы.
Экожүйе және интеграциялар: Платформаның playground-тарында қолдау көрсетіледі және ресми realtime/voice endpoint-тері мен серіктес интеграцияларында қолжетімді (Azure/Microsoft Foundry ескертпелерінде ұқсас аудио модельдер аталады).

gpt-audio-1.5 және байланысты аудио модельдер

Қасиет	gpt-audio-1.5	gpt-realtime-1.5
Негізгі фокус	Chat Completions және сөйлесу ағындары үшін жоғары сапалы аудио кіріс/шығыс.	Төмен кідіріс үшін live дауыс агенттері мен стриминг сценарийлеріне арналған Realtime S2S (speech-to-speech).
Контекст терезесі	128k токен.	32k токен (realtime нұсқасы құжатталған).
Ең көп шығыс токендері	16,384 (құжатталған).	Әдетте қысқаша realtime жауаптарға бапталады (құжаттарда ең көп токендер аздау деп көрсетіледі).
Ең жақсы қолдану	Толық чат семантикасы + аудио талап етілетін чатботтар, дауыс-ассистенттер.	Live дауыс агенттері, киоскілер және төмен кідірісті сөйлесу интерфейстері.

Өкілдік қолдану жағдайлары

Клиенттерді қолдау және ішкі анықтама қызметтері үшін сөйлесу дауыс агенттері.
Қолданбаларға, құрылғыларға және киоскілерге ендірілген дауыс мүмкіндігі бар ассистенттер.
Қол тимейтін жұмыс ағындары (диктовка, дауыс арқылы іздеу, қолжетімділік).
Chat Completions арқылы аудионы мәтінмен/суреттермен біріктіретін мультимодальды тәжірибелер.

Шектеулер және операциялық ескертулер

Адами QA-ның толық алмастырушысы емес: Өндірістік ағында дауыс шығуларын және кейінгі әрекеттерді әрқашан адамдық тексеріспен верификациялаңыз.
Ресурстарды жоспарлау: Үлкен контекст және аудио I/O есептеуді және кідірісті арттыруы мүмкін—ұзақ сессиялар үшін стриминг/сегментация стратегияларын жобалаңыз.
Қауіпсіздік және саясат шектеулері: Дауыс шығуларында сендіру күші болуы мүмкін; ауқымды ендіру кезінде платформа қауіпсіздік нұсқаулықтары мен қорғаныс шектеулерін сақтаңыз.
GPT Audio 1.5 API-ге қалай қол жеткізуге болады

1-қадам: API кілтін алу үшін тіркелу

cometapi.com сайтына кіріңіз. Егер әлі пайдаланушымыз болмасаңыз, алдымен тіркеліңіз. CometAPI console жүйесіне кіріңіз. Интерфейстің қолжеткізу деректемесі—API кілтін алыңыз. Жеке кабинетте API token бөлімінде “Add Token” түймесін басып, токен кілтін алыңыз: sk-xxxxx және жіберіңіз.

cometapi-key

2-қадам: GPT Audio 1.5 API-ға сұраулар жіберу

API сұрауын жіберу үшін “gpt-audio-1.5” endpoint-ын таңдаңыз және сұрау денесін орнатыңыз. Сұрау әдісі мен сұрау денесін біздің сайттағы API құжаттамасынан алыңыз. Сайтымызда ыңғайлы болуы үшін Apifox тесті де бар. <YOUR_API_KEY> мәнін жеке есептік жазбаңыздағы CometAPI кілтіне ауыстырыңыз. базалық URL — Chat Completions

Сұрағыңызды немесе өтінішіңізді content өрісіне енгізіңіз—модель соған жауап береді. Жауапты алу үшін API жауабын өңдеңіз.

3-қадам: Нәтижелерді алу және тексеру

Генерацияланған жауапты алу үшін API жауабын өңдеңіз. Өңдеуден кейін API тапсырма күйін және шығыс деректерін қайтарады.

ЖҚС

Баға белгілеу

Жоғарыдағы жылдам бағалауды бір іске қосу үшін пайдаланыңыз, содан кейін CometAPI мен ресми баға арасындағы толық салыстыруды қараңыз.

Бірінші сұраныс

$0.01

Болжамды CometAPI пайдалану құны

Он сұраныс

$0.1

Болжамды CometAPI пайдалану құны

Он бес сұраныс

$0.15

Болжамды CometAPI пайдалану құны

gpt-audio-1.5 үшін баға белгілеу

[Модель атауы] үшін әртүрлі бюджеттер мен пайдалану қажеттіліктеріне сәйкес келетін бәсекеге қабілетті баға белгілеуді зерттеңіз. Біздің икемді жоспарларымыз сіз тек пайдаланған нәрсеңіз үшін ғана төлеуіңізді қамтамасыз етеді, бұл сіздің талаптарыңыз өскен сайын масштабтауды жеңілдетеді. [Модель атауы] шығындарды басқарылатын деңгейде ұстай отырып, сіздің жобаларыңызды қалай жақсарта алатынын біліңіз.

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Енгізу:$2/M Шығыс:$8/M	Енгізу:$2.5/M Шығыс:$10/M	-20%

API

Жұмыс істейтін соңғы нүкте мен код мысалын көшіріңіз, барлық параметрлер қажет болғанда толық API анықтамалығын ашыңыз.

Бір API, өндіріске дайын модельге қолжетімділік

Бір рет аутентификациядан өтіп, модель соңғы нүктесін шақырыңыз және провайдерлер арасында бірдей төлем мен бақылау процесін сақтаңыз.

POST/v1/chat/completions

gpt-audio-1.5 үшін үлгі код және API

[Модель атауы] үшін кешенді үлгі кодтары мен API ресурстарына қол жеткізіп, интеграция процесіңізді жеңілдетіңіз. Біздің толық құжаттама қадам-қадаммен нұсқаулық береді, жобаларыңызда [Модель атауы] мүмкіндіктерін толық пайдалануға көмектеседі.

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

Python Code Example

from openai import OpenAI
import os
import base64

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="gpt-audio-1.5",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[
        {
            "role": "user",
            "content": "Is a golden retriever a good family dog?"
        }
    ],
)

# Print the text response
print(completion.choices[0].message.audio.transcript)

# Save the audio response to a file
wav_bytes = base64.b64decode(completion.choices[0].message.audio.data)
output_path = "gpt-audio-1.5-output.wav"
with open(output_path, "wb") as f:
    f.write(wav_bytes)
print(f"Audio saved to {output_path}")

JavaScript Code Example

import OpenAI from "openai";
import fs from "fs";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({ apiKey: api_key, baseURL: base_url });

const completion = await openai.chat.completions.create({
  model: "gpt-audio-1.5",
  modalities: ["text", "audio"],
  audio: { voice: "alloy", format: "wav" },
  messages: [
    {
      role: "user",
      content: "Is a golden retriever a good family dog?",
    },
  ],
});

// Print the text transcript
console.log(completion.choices[0].message.audio.transcript);

// Save the audio response to a file
const wavBytes = Buffer.from(completion.choices[0].message.audio.data, "base64");
const outputPath = "gpt-audio-1.5-output.wav";
fs.writeFileSync(outputPath, wavBytes);
console.log(`Audio saved to ${outputPath}`);

Мүмкіндіктер

Архитектураны таңдамас немесе өндірістік жүктемені бағаламас бұрын модельдің маңызды деректерін қарап шығыңыз.

Қолдау көрсетілетін мүмкіндіктер

Қолданыстағы модель API қайтаратын мүмкіндіктер.

text-to-speech

Кіріс және шығыс

Кірістер

text

Шығыстар

audio

Өндірістік профиль

Провайдер: OpenAI
Контекст: Модельге байланысты
Коммерциялық пайдалану: Қолдау көрсетіледі

Қолдану жағдайлары

gpt-audio-1.5 моделін оның audio мүмкіндіктеріне сәйкес өндірістік жұмыс ағындарында пайдаланыңыз, содан кейін ұзақ мерзімді интеграцияға кірісер алдында баламаларды салыстырыңыз.

Сөйлеу, музыка және аудио генерациясы

Дауыстық тәжірибелер мен медиа өндіру

Ауқымды автоматтандырылған аудио жұмыс ағындары

Басқа модельдер

Сапасы, кідірісі, мүмкіндіктері мен бағасы бойынша CometAPI арқылы қолжетімді басқа модельдерді салыстырыңыз.

Модельдерді салыстыруды ашу →

OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 updates GPT-Realtime-2 with improved alphanumeric recognition, silence and noise handling, and interruption behavior. It supports speech-to-speech interactions with configurable reasoning effort, instruction following, and tool use for complex voice-agent workflows.

Модельді көру

OpenAI

GPT-Realtime-2

GPT-Realtime-2 — біздің ең қабілетті нақты уақыттағы дауыс моделіміз. Ол сөйлеуден сөйлеуге өзара әрекеттесуді, пайымдау деңгейін реттеуді, нұсқауларды неғұрлым қатаң ұстануды және күрделі дауыстық агент жұмыс ағындары үшін құралдарды неғұрлым сенімді пайдалануды қолдайды.

Модельді көру

OpenAI

gpt-realtime-1.5

Аудио кіріс пен аудио шығысқа арналған ең үздік дауыстық модель.

Модельді көру

OpenAI

TTS

OpenAI мәтінді сөйлеуге түрлендіру

Модельді көру

OpenAI

Whisper-1

请提供需要处理的音频文件/语音链接或原文文本；我可先将语音转写为文字，再将内容准确翻译为哈萨克语。若需其他目标语言或特定术语/风格，请一并说明。

Модельді көру

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe — көптілді, төмен кідірісті сөйлеуді тануға арналған дыбыстан мәтінге түрлендіру моделі. Ол кең таралған аудио пішімдерінен тыныс белгілерін және сөйлемдерге бөлуді қамтитын нақты уақыттағы ағындық және топтамалық транскрипцияны қолдайды. Әдеттегі қолдану сценарийлеріне тікелей субтитрлер, дауыс көмекшісіне енгізу, жиналыс жазбалары, сондай-ақ медиа немесе қоңырау жазбаларының транскрипциясы жатады. Техникалық ерекшеліктеріне аудио модалдылығын қолдау, ұзақ форматтағы өңдеу және интерактивті әрі серверлік жұмыс ағындарына лайықталған API-лер жатады.

Модельді көру

Uptime

Өндіріске көшпес бұрын нақты уақыттағы heartbeat деректерін, соңғы нүкте қолжетімділігін және байқалған жауап беру уақытын қараңыз.

Шолуды жалғастыру

Модельдерді салыстырып, зерттеуіңізді жалғастырыңыз

OpenAI

Қолжетімді

gpt-audio-1.5

gpt-audio-1.5 API

Chat Completions арқылы аудио енгізу, аудио шығару үшін ең жақсы дауыс моделі.

Бастапқы баға

$2.00 / 1М кіріс токен

Пайдалануға негізделген төлем

API күйі

Қолжетімді

Өндірістік соңғы нүкте

Жауап беру уақыты

Async-қа дайын

Байқалған API жауап беру уақыты

Шығарылған күні

Feb 24, 2026

OpenAI

Шолу

gpt-audio-1.5 туралы маңызды мінез-құлық пен интеграция ерекшеліктерін қамтитын практикалық шолу.

gpt-audio-1.5 техникалық сипаттамалары

Параметр	gpt-audio-1.5 (қоғамдық сипаттамалар)
Модельдер отбасы	GPT Audio family (аудиоға басымдық беретін нұсқа)
Кіріс түрлері	Мәтін, аудио (дауыс арқылы енгізу)
Шығыс түрлері	Мәтін, аудио (дауыс арқылы шығару), құрылымдалған шығыстар (функция шақырулары қолдау көрсетіледі)
Контекст терезесі	128,000 токен.
Ең көп шығыс токендері	16,384 (байланысты gpt-audio тізімінде құжатталған).
Өнімділік деңгейі	Жоғары интеллектуалдылық; Орташа жылдамдық (теңгерімді).
Кідіріс профилі	Дауыс арқылы өзара әрекеттесуге оңтайландырылған (endpoint-қа байланысты орташа/төмен кідіріс).
Қолжетімділік	Chat Completions API (аудио кіріс/шығыс) және платформалық playgrounds; realtime/voice интерфейстері бойынша біріктірілген.
Қауіпсіздік / пайдалану ескертпелері	Дауыс контенті үшін қорғаныс шектеулері; өндірістік дауыс агенттері үшін әдеттегі қауіпсіздік және верификация талаптарымен модель шығуларын қарастырыңыз.

Ескерту: gpt-realtime-1.5 төмен кідіріс пен realtime сессияларға оңтайландырылған, тығыз байланысты аудио/дауыс-бірінші нұсқа; төменде салыстырыңыз.

gpt-audio-1.5 деген не?

Негізгі мүмкіндіктер

Дауыс енгізу/шығару қолдауы: Табиғи дауыс диалогы үшін ауызша енгізуді өңдеп, ауызша не мәтіндік жауаптар қайтарады.
Аудио процестер үшін үлкен контекст: Өте үлкен контекстті (құжатталған 128k токен) қолдайды, бұл көпқадамды, ұзақ сөйлесу тарихын немесе ауқымды мультимодальды сессияларды мүмкін етеді.
Стриминг және Chat Completions үйлесімділігі: Ағынды аудио жауаптар және функция шақыруларына негізделген құрылымдалған шығыстармен Chat Completions ішінде жұмыс істейді.
Өнімділік/кідіріс теңгерімі: Орташа өткізу қабілетінде жоғары сапалы аудио жауаптар беру үшін бапталған—сапа маңызды болатын чатботтар мен дауыс ассистенттері үшін қолайлы.
Экожүйе және интеграциялар: Платформаның playground-тарында қолдау көрсетіледі және ресми realtime/voice endpoint-тері мен серіктес интеграцияларында қолжетімді (Azure/Microsoft Foundry ескертпелерінде ұқсас аудио модельдер аталады).

gpt-audio-1.5 және байланысты аудио модельдер

Қасиет	gpt-audio-1.5	gpt-realtime-1.5
Негізгі фокус	Chat Completions және сөйлесу ағындары үшін жоғары сапалы аудио кіріс/шығыс.	Төмен кідіріс үшін live дауыс агенттері мен стриминг сценарийлеріне арналған Realtime S2S (speech-to-speech).
Контекст терезесі	128k токен.	32k токен (realtime нұсқасы құжатталған).
Ең көп шығыс токендері	16,384 (құжатталған).	Әдетте қысқаша realtime жауаптарға бапталады (құжаттарда ең көп токендер аздау деп көрсетіледі).
Ең жақсы қолдану	Толық чат семантикасы + аудио талап етілетін чатботтар, дауыс-ассистенттер.	Live дауыс агенттері, киоскілер және төмен кідірісті сөйлесу интерфейстері.

Өкілдік қолдану жағдайлары

Клиенттерді қолдау және ішкі анықтама қызметтері үшін сөйлесу дауыс агенттері.
Қолданбаларға, құрылғыларға және киоскілерге ендірілген дауыс мүмкіндігі бар ассистенттер.
Қол тимейтін жұмыс ағындары (диктовка, дауыс арқылы іздеу, қолжетімділік).
Chat Completions арқылы аудионы мәтінмен/суреттермен біріктіретін мультимодальды тәжірибелер.

Шектеулер және операциялық ескертулер

Адами QA-ның толық алмастырушысы емес: Өндірістік ағында дауыс шығуларын және кейінгі әрекеттерді әрқашан адамдық тексеріспен верификациялаңыз.
Ресурстарды жоспарлау: Үлкен контекст және аудио I/O есептеуді және кідірісті арттыруы мүмкін—ұзақ сессиялар үшін стриминг/сегментация стратегияларын жобалаңыз.
Қауіпсіздік және саясат шектеулері: Дауыс шығуларында сендіру күші болуы мүмкін; ауқымды ендіру кезінде платформа қауіпсіздік нұсқаулықтары мен қорғаныс шектеулерін сақтаңыз.
GPT Audio 1.5 API-ге қалай қол жеткізуге болады

1-қадам: API кілтін алу үшін тіркелу

cometapi-key

2-қадам: GPT Audio 1.5 API-ға сұраулар жіберу

3-қадам: Нәтижелерді алу және тексеру

ЖҚС

Баға белгілеу

Бірінші сұраныс

$0.01

Болжамды CometAPI пайдалану құны

Он сұраныс

$0.1

Болжамды CometAPI пайдалану құны

Он бес сұраныс

$0.15

Болжамды CometAPI пайдалану құны

gpt-audio-1.5 үшін баға белгілеу

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Енгізу:$2/M Шығыс:$8/M	Енгізу:$2.5/M Шығыс:$10/M	-20%

API

Бір API, өндіріске дайын модельге қолжетімділік

POST/v1/chat/completions

gpt-audio-1.5 үшін үлгі код және API

POST

/v1/chat/completions

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

RESPONSE=$(curl https://api.cometapi.com/v1/chat/completions \
  -s \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Is a golden retriever a good family dog?"
      }
    ]
  }')

# Print the text transcript
echo "$RESPONSE" | python3 -c "import sys, json; r=json.load(sys.stdin); print(r['choices'][0]['message']['audio']['transcript'])"

# Save the audio to a WAV file
echo "$RESPONSE" | python3 -c "
import sys, json, base64
r = json.load(sys.stdin)
audio_data = r['choices'][0]['message']['audio']['data']
with open('gpt-audio-1.5-output.wav', 'wb') as f:
    f.write(base64.b64decode(audio_data))
print('Audio saved to gpt-audio-1.5-output.wav')
"

Python Code Example

from openai import OpenAI
import os
import base64

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="gpt-audio-1.5",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[
        {
            "role": "user",
            "content": "Is a golden retriever a good family dog?"
        }
    ],
)

# Print the text response
print(completion.choices[0].message.audio.transcript)

# Save the audio response to a file
wav_bytes = base64.b64decode(completion.choices[0].message.audio.data)
output_path = "gpt-audio-1.5-output.wav"
with open(output_path, "wb") as f:
    f.write(wav_bytes)
print(f"Audio saved to {output_path}")

JavaScript Code Example

import OpenAI from "openai";
import fs from "fs";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({ apiKey: api_key, baseURL: base_url });

const completion = await openai.chat.completions.create({
  model: "gpt-audio-1.5",
  modalities: ["text", "audio"],
  audio: { voice: "alloy", format: "wav" },
  messages: [
    {
      role: "user",
      content: "Is a golden retriever a good family dog?",
    },
  ],
});

// Print the text transcript
console.log(completion.choices[0].message.audio.transcript);

// Save the audio response to a file
const wavBytes = Buffer.from(completion.choices[0].message.audio.data, "base64");
const outputPath = "gpt-audio-1.5-output.wav";
fs.writeFileSync(outputPath, wavBytes);
console.log(`Audio saved to ${outputPath}`);

Мүмкіндіктер

Қолдау көрсетілетін мүмкіндіктер

Қолданыстағы модель API қайтаратын мүмкіндіктер.

text-to-speech

Кіріс және шығыс

Кірістер

text

Шығыстар

audio

Өндірістік профиль

Провайдер: OpenAI
Контекст: Модельге байланысты
Коммерциялық пайдалану: Қолдау көрсетіледі

Қолдану жағдайлары

Сөйлеу, музыка және аудио генерациясы

Дауыстық тәжірибелер мен медиа өндіру

Ауқымды автоматтандырылған аудио жұмыс ағындары

Басқа модельдер

Сапасы, кідірісі, мүмкіндіктері мен бағасы бойынша CometAPI арқылы қолжетімді басқа модельдерді салыстырыңыз.

Модельдерді салыстыруды ашу →

Аудио кіріс пен аудио шығысқа арналған ең үздік дауыстық модель.

Модельді көру

OpenAI

TTS

OpenAI мәтінді сөйлеуге түрлендіру

Uptime

Шолуды жалғастыру