Home/Models/OpenAI/gpt-audio-1.5
O

gpt-audio-1.5

Inndata:$2/M
Utdata:$8/M
Den beste stemmemodellen for lyd inn, lyd ut med Chat Completions.
Ny
Kommersiell bruk
Oversikt
Funksjoner
Priser
API

Tekniske spesifikasjoner for gpt-audio-1.5

Elementgpt-audio-1.5 (offentlige spesifikasjoner)
ModellfamilieGPT Audio-familien (lydførst-variant)
InndatatyperTekst, lyd (tale inn)
UtdatatyperTekst, lyd (tale ut), strukturerte utdata (funksjonskall støttes)
Kontekstvindu128,000 tokens.
Maks utdata-tokens16,384 (dokumentert i relaterte gpt-audio-oppføringer).
YtelsesnivåHøyere intelligens; Middels hastighet (balansert).
LatensprofilOptimalisert for stemmeinteraksjoner (middels/lav latens avhengig av endepunkt).
TilgjengelighetChat Completions API (lyd inn/ut) og plattform-playgrounds; integrert på tvers av sanntids-/stemmeflater.
Sikkerhet / bruksmerknaderVerneregler for stemmeinnhold; behandl modellutdata med vanlig sikkerhet og verifikasjon for produksjonsstemmeagenter.

Merk: gpt-realtime-1.5 er en nært beslektet sanntids lyd-/stemmeførst-variant optimalisert for lavere latens og sanntidsøkter; se sammenligning nedenfor.

Hva er gpt-audio-1.5?

gpt-audio-1.5 er en lydkapabel GPT-modell som støtter både taleinn og taleut via Chat Completions og tilknyttede lydkapable API-er. Den er posisjonert som den hovedsakelig allment tilgjengelige lydmodellen for å bygge stemmeagenter og stemmeførste opplevelser, med balanse mellom kvalitet og hastighet.

Hovedfunksjoner

  1. Støtte for tale inn / tale ut: Behandle talebasert inndata og returnere talte eller tekstlige svar for naturlige stemmeflyter.
  2. Stor kontekst for lydarbeidsflyter: Støtter svært stor kontekst (dokumentert 128k tokens) som muliggjør samtaler med flere turer, lang samtalehistorikk eller store multimodale økter.
  3. Streaming og kompatibilitet med Chat Completions: Fungerer i Chat Completions med strømmende lydsvar og strukturerte utdata via funksjonskall.
  4. Balansert ytelse/latens: Justert for å levere lydsvar av høy kvalitet med middels gjennomstrømming—egnet for chatboter og stemmeassistenter der kvalitet er viktig.
  5. Økosystem og integrasjoner: Støttet i plattformens playgrounds og tilgjengelig på tvers av offisielle sanntids-/stemmeendepunkter og partnerintegrasjoner (Azure/Microsoft Foundry-notater refererer til tilsvarende lydmodeller).

gpt-audio-1.5 vs. relaterte lydmodeller

Egenskapgpt-audio-1.5gpt-realtime-1.5
Primært fokusLyd av høy kvalitet inn/ut for Chat Completions og konversasjonsflyter.Sanntids S2S (speech-to-speech) med lavere latens for live stemmeagenter og strømmescenarier.
Kontekstvindu128k tokens.32k tokens (sanntidsvariant dokumentert).
Maks utdata-tokens16,384 (dokumentert).Vanligvis konfigurert for kortere sanntidssvar (dokumentasjon oppgir færre maks-tokens).
Beste brukChatboter, stemmeaktiverte assistenter der full chattesemantikk + lyd er nødvendig.Live stemmeagenter, kiosker og konversasjonsgrensesnitt med lav latens.

Representative brukstilfeller

  • Konversasjonsbaserte stemmeagenter for kundestøtte og interne hjelpesentre.
  • Stemmeaktiverte assistenter innebygd i apper, enheter og kiosker.
  • Handsfree-arbeidsflyter (diktat, talesøk, tilgjengelighet).
  • Multimodale opplevelser som blander lyd med tekst / bilder via Chat Completions.

Begrensninger og operasjonelle hensyn

  • Ikke en direkte erstatning for menneskelig QA: Valider alltid taleutdata og påfølgende handlinger med menneskelig gjennomgang i produksjonsflyter.
  • Ressursplanlegging: Stor kontekst og lyd-I/O kan øke beregning og latens—design strømme-/segmenteringsstrategier for lange økter.
  • Sikkerhet og retningslinjer: Stemmeutdata kan ha overtalende kraft; følg plattformens sikkerhetsretningslinjer og verneregler ved utrulling i stor skala.
  • Slik får du tilgang til GPT Audio 1.5 API

Trinn 1: Registrer deg for API-nøkkel

Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn i din CometAPI-konsoll. Hent API-nøkkelen for tilgang til grensesnittet. Klikk “Add Token” ved API-token i personlig senter, hent token-nøkkelen: sk-xxxxx og send inn.

cometapi-key

Trinn 2: Send forespørsler til GPT Audio 1.5 API

Velg endepunktet “gpt-audio-1.5” for å sende API-forespørselen og angi forespørselens body. Forespørselsmetode og body hentes fra vår nettsides API-dokumentasjon. Vår nettside tilbyr også Apifox-test for din bekvemmelighet. Erstatt <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Basis-URL er Chat Completions

Sett inn ditt spørsmål eller din forespørsel i content-feltet—det er dette modellen vil svare på . Prosesser API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Prosesser API-responsen for å få det genererte svaret. Etter behandling svarer API-et med oppgavestatus og utdata.

FAQ

What are the official context and output token limits for gpt-audio-1.5 API?

gpt-audio-1.5 supports a 128,000-token context window and documents list a max output token configuration around 16,384; verify exact limits per endpoint in the developer docs. :contentReference[oaicite:44]{index=44}

Can gpt-audio-1.5 handle both speech-to-text and text-to-speech in the API?

Yes — it accepts audio inputs and can return audio outputs or textual responses via the Chat Completions/audio endpoints. :contentReference[oaicite:45]{index=45}

When should I use gpt-audio-1.5 vs gpt-realtime-1.5 for a voice agent?

Choose gpt-audio-1.5 for higher-quality audio in Chat Completions flows where larger context is required; choose gpt-realtime-1.5 for low-latency, live streaming voice interactions. :contentReference[oaicite:46]{index=46}

Does gpt-audio-1.5 support streaming and function calling for tool integrations?

Yes — the model supports streaming audio responses and structured outputs/function calling to integrate external tools and workflows. :contentReference[oaicite:47]{index=47}

Is gpt-audio-1.5 suitable for production customer support voice agents?

Yes — it's designed for voice assistants and conversational agents, but you should add human review/QA, logging, and safety controls before production deployment. :contentReference[oaicite:48]{index=48}

What are the main limitations to consider when deploying gpt-audio-1.5?

Key considerations are compute/latency tradeoffs for large context audio sessions, safety guardrails for voice content, and the need to validate ASR/TTS outputs in your domain. :contentReference[oaicite:49]{index=49}

Funksjoner for gpt-audio-1.5

Utforsk nøkkelfunksjonene til gpt-audio-1.5, designet for å forbedre ytelse og brukervennlighet. Oppdag hvordan disse mulighetene kan være til nytte for prosjektene dine og forbedre brukeropplevelsen.

Priser for gpt-audio-1.5

Utforsk konkurransedyktige priser for gpt-audio-1.5, designet for å passe ulike budsjetter og bruksbehov. Våre fleksible planer sikrer at du bare betaler for det du bruker, noe som gjør det enkelt å skalere etter hvert som kravene dine vokser. Oppdag hvordan gpt-audio-1.5 kan forbedre prosjektene dine samtidig som kostnadene holdes håndterbare.
Komet-pris (USD / M Tokens)Offisiell pris (USD / M Tokens)Rabatt
Inndata:$2/M
Utdata:$8/M
Inndata:$2.5/M
Utdata:$10/M
-20%

Eksempelkode og API for gpt-audio-1.5

Få tilgang til omfattende eksempelkode og API-ressurser for gpt-audio-1.5 for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til gpt-audio-1.5 i prosjektene dine.
Python
JavaScript
Curl
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}")

Flere modeller