Når bør jeg bruke gpt-audio-1.5 vs gpt-realtime-1.5 for en stemmeagent?

Velg gpt-audio-1.5 for høyere lydkvalitet i Chat Completions-flyter der større kontekst kreves; velg gpt-realtime-1.5 for stemmeinteraksjoner med lav latenstid og strømming i sanntid. :contentReference[oaicite:46]{index=46}

Er gpt-audio-1.5 egnet for stemmeagenter til kundestøtte i produksjon?

Ja — den er designet for stemmeassistenter og samtaleagenter, men du bør legge til menneskelig gjennomgang/QA, logging og sikkerhetskontroller før utrulling til produksjon. :contentReference[oaicite:48]{index=48}

Hvilke hovedbegrensninger bør vurderes ved utrulling av gpt-audio-1.5?

Viktige hensyn er avveiinger mellom beregningsressurser og latenstid for lydøkter med stor kontekst, sikkerhetskontroller for stemmeinnhold, samt behovet for å validere ASR/TTS-utdata i ditt domene. :contentReference[oaicite:49]{index=49}

Kan gpt-audio-1.5 håndtere både tale-til-tekst og tekst-til-tale i API-et?

Ja — den godtar lydinput og kan returnere lydutdata eller tekstsvar via Chat Completions-/audio-endepunktene. :contentReference[oaicite:45]{index=45}

Hva er de offisielle grensene for kontekst og utdata-tokens for gpt-audio-1.5 API?

gpt-audio-1.5 støtter et kontekstvindu på 128,000 tokens, og dokumentasjonen oppgir en maksimal utdata-tokenkonfigurasjon på rundt 16,384; verifiser nøyaktige grenser per endepunkt i utviklerdokumentasjonen. :contentReference[oaicite:44]{index=44}

Støtter gpt-audio-1.5 strømming og funksjonskall for verktøyintegrasjoner?

Ja — modellen støtter strømming av lydsvar og strukturerte utdata/funksjonskall for å integrere eksterne verktøy og arbeidsflyter. :contentReference[oaicite:47]{index=47}

OpenAI

Tilgjengelig

gpt-audio-1.5

gpt-audio-1.5 API

Den beste stemmemodellen for lyd inn, lyd ut med Chat Completions.

Startpris

$2.00 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Feb 25, 2026

OpenAI

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0100

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.1000

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.1500

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

2,000

kreditter / 1 mill. tokener

Utdata

8,000

kreditter / 1 mill. tokener

Åpenhet om minstebeløp Denne prototypen forutsetter ikke et skjult minstebeløp per forespørsel. Hvis det gjelder en nedre faktureringsgrense eller et minste påfyllingsbeløp i produksjon, må dette vises før kjøpet og inkluderes i alle kostnadsestimater.

Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
Inndata: $2.00/mill. Utdata: $8.00/mill.	Inndata: $2.50/mill. Utdata: $10.00/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er gpt-audio-1.5?

Den beste stemmemodellen for lyd inn, lyd ut med Chat Completions.

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$2.00 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

Feb 25, 2026

Oversikt

En praktisk oversikt over gpt-audio-1.5, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for gpt-audio-1.5

Element	gpt-audio-1.5 (offentlige spesifikasjoner)
Modellfamilie	GPT Audio-familien (lydførst-variant)
Inndatatyper	Tekst, lyd (tale inn)
Utdatatyper	Tekst, lyd (tale ut), strukturerte utdata (funksjonskall støttes)
Kontekstvindu	128,000 tokens.
Maksimalt antall utdata-tokens	16,384 (dokumentert i relatert gpt-audio-oppføring).
Ytelsesnivå	Høyere intelligens; middels hastighet (balansert).
Latensprofil	Optimalisert for stemmeinteraksjoner (middels/lav latens avhengig av endepunkt).
Tilgjengelighet	Chat Completions API (lyd inn/ut) og plattformens sandkasser; integrert på tvers av sanntids-/stemmeflater.
Sikkerhet / merknader om bruk	Sikkerhetsmekanismer for stemmeinnhold; behandle modellutdata med vanlig sikkerhet og verifikasjon for produksjonsklare stemmeagenter.

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

Hva er gpt-audio-1.5?

gpt-audio-1.5 er en GPT-modell med lydstøtte som håndterer både taleinn og taleut via Chat Completions og relaterte lydkapable API-er. Den er posisjonert som den primære, allment tilgjengelige lydmodellen for å bygge stemmeagenter og stemme-først-opplevelser, med balanse mellom kvalitet og hastighet.

Hovedfunksjoner

Støtte for tale inn / tale ut: Håndterer talt inndata og returnerer talte eller tekstlige svar for naturlige stemmeflyter.
Stor kontekst for lydarbeidsflyter: Støtter svært stor kontekst (dokumentert 128k tokens) som muliggjør samtaler over flere runder, lang samtalehistorikk eller store multimodale økter.
Kompatibel med streaming og Chat Completions: Fungerer i Chat Completions med strømmende lydsvar og strukturerte utdata via funksjonskall.
Balansert ytelse/latens: Justert for å levere lydsvar av høy kvalitet med middels gjennomstrømning—egnet for chatboter og stemmeassistenter der kvalitet er viktig.
Økosystem og integrasjoner: Støttet i plattformens sandkasser og tilgjengelig på tvers av offisielle sanntids-/stemmeendepunkter og partnerintegrasjoner (Azure/Microsoft Foundry-notater refererer til lignende lydmodeller).

gpt-audio-1.5 vs relaterte lydmodeller

Egenskap	gpt-audio-1.5	gpt-realtime-1.5
Primært fokus	Lyd inn/ut av høy kvalitet for Chat Completions og konversasjonsflyter.	Sanntids S2S (tale-til-tale) med lavere latens for live stemmeagenter og strømmingsscenarier.
Kontekstvindu	128k tokens.	32k tokens (sanntidsvarianten dokumentert).
Maks utdata-tokens	16,384 (dokumentert).	Typisk konfigurert for kortere sanntidssvar (dokumentasjonen angir lavere maks tokens).
Beste bruk	Chatboter, stemmeaktiverte assistenter der full chat-semantikk + lyd er nødvendig.	Live stemmeagenter, kiosker og konversasjonsgrensesnitt med lav latens.

Representative bruksområder

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

Begrensninger og driftsmessige hensyn

Ikke en direkte erstatning for menneskelig QA: Valider alltid lydutdata og påfølgende handlinger med menneskelig gjennomgang i produksjonsløp.
Ressursplanlegging: Stor kontekst og lyd-I/O kan øke beregningsbehov og latens—design strømme-/segmenteringsstrategier for lange økter.
Sikkerhet og retningslinjer: Stemmeutdata kan ha overtalelseseffekt; følg plattformens sikkerhetsretningslinjer og vernemekanismer 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-tokenet 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. Metode og body for forespørselen finnes i API-dokumentasjonen på nettsiden vår. Nettsiden tilbyr også Apifox-test for enkel prøving. Bytt ut <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. base url er Chat Completions

Sett inn spørsmålet eller forespørselen din i content-feltet—det er dette modellen vil svare på. Behandle API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å hente det genererte svaret. Etter behandling returnerer API-et oppgavestatus og utdata.

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

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.

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}`);

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-speech

Inndata og utdata

Inndata

text

Utdata

audio

Produksjonsprofil

Leverandør: OpenAI
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk gpt-audio-1.5 til produksjonsarbeidsflyter som passer audio-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Generering av tale, musikk og lyd

Stemmeopplevelser og medieproduksjon

Automatiserte lydarbeidsflyter i stor skala

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' uttrykksfulle talesyntesemodell, designet for å generere naturlig lydende tale med rik følelsesmessig fremføring, kontekstuell bevissthet og sterk stemmekonsistens.

Se modell

ElevenLabs

ElevenLabs Voice Dubbing

Utforsk ElevenLabs Voice Dubbing-API-et.

Se modell

ElevenLabs

ElevenLabs Voice Isolation

Utforsk ElevenLabs Voice Isolation-API-et.

Se modell

Bytedance

Seed Audio

Utforsk Seed Audio-API-et.

Se modell

OpenAI

GPT-4o mini Audio

GPT-4o mini Audio er en multimodal modell for tale- og tekstinteraksjon. Den utfører talegjenkjenning, oversettelse og tekst-til-tale, følger instruksjoner, kan kalle verktøy for strukturerte handlinger og gi strømmende svar. Typiske bruksområder inkluderer stemmeassistenter i sanntid, direkteteksting og oversettelse, samtalesammendrag og stemmestyrte applikasjoner. Tekniske høydepunkter inkluderer lydinngang og -utgang, strømmende svar, funksjonskall og strukturert JSON-utdata.

Se modell

OpenAI

GPT-4o Transcribe

GPT-4o Transcribe er en lyd-til-tekst-modell for flerspråklig talegjenkjenning med lav latens. Den støtter strømming i sanntid og batch-transkripsjon fra vanlige lydformater, med tegnsetting og setningssegmentering. Typiske bruksområder omfatter sanntidsundertekster, inndata til stemmeassistenter, møtenotater og transkripsjon av medie- eller samtaleopptak. Tekniske høydepunkter inkluderer støtte for lydmodalitet, behandling av lange opptak og API-er tilpasset interaktive og serverbaserte arbeidsflyter.

Se modell

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

3325msAvg. Response

Uptime

85.3%Avg. Uptime

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for gpt-audio-1.5 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Feb 25, 2026

API-tilgjengelighet bekreftet

gpt-audio-1.5 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 25, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Sammenlign modeller og fortsett research

OpenAI

Tilgjengelig

gpt-audio-1.5

gpt-audio-1.5 API

Den beste stemmemodellen for lyd inn, lyd ut med Chat Completions.

Startpris

$2.00 / 1 mill. input-tokens

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Feb 25, 2026

OpenAI

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Én forespørsel

$0.0100

Estimert brukskostnad for CometAPI

Ti forespørsler

$0.1000

Estimert brukskostnad for CometAPI

Femten forespørsler

$0.1500

Estimert brukskostnad for CometAPI

⇌

Konvertering av kreditter

1 000 kreditter = $1

Kreditter gjør budsjetter sammenlignbare på tvers av fakturering basert på tokener, forespørsler og kjøretid. USD-beløpet forblir fasiten ved betaling.

✓Gjeldende modell i kreditter

Inndata

2,000

kreditter / 1 mill. tokener

Utdata

8,000

kreditter / 1 mill. tokener

Comet-pris (USD / mill. tokener)	Offisiell pris (USD / mill. tokener)	Rabatt
Inndata: $2.00/mill. Utdata: $8.00/mill.	Inndata: $2.50/mill. Utdata: $10.00/mill.	-20%

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er gpt-audio-1.5?

Den beste stemmemodellen for lyd inn, lyd ut med Chat Completions.

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$2.00 / 1 mill. input-tokens

Kontekst

Se funksjoner

Katalogdato

Feb 25, 2026

Oversikt

En praktisk oversikt over gpt-audio-1.5, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for gpt-audio-1.5

Element	gpt-audio-1.5 (offentlige spesifikasjoner)
Modellfamilie	GPT Audio-familien (lydførst-variant)
Inndatatyper	Tekst, lyd (tale inn)
Utdatatyper	Tekst, lyd (tale ut), strukturerte utdata (funksjonskall støttes)
Kontekstvindu	128,000 tokens.
Maksimalt antall utdata-tokens	16,384 (dokumentert i relatert gpt-audio-oppføring).
Ytelsesnivå	Høyere intelligens; middels hastighet (balansert).
Latensprofil	Optimalisert for stemmeinteraksjoner (middels/lav latens avhengig av endepunkt).
Tilgjengelighet	Chat Completions API (lyd inn/ut) og plattformens sandkasser; integrert på tvers av sanntids-/stemmeflater.
Sikkerhet / merknader om bruk	Sikkerhetsmekanismer for stemmeinnhold; behandle modellutdata med vanlig sikkerhet og verifikasjon for produksjonsklare stemmeagenter.

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

Hva er gpt-audio-1.5?

Hovedfunksjoner

Støtte for tale inn / tale ut: Håndterer talt inndata og returnerer talte eller tekstlige svar for naturlige stemmeflyter.
Stor kontekst for lydarbeidsflyter: Støtter svært stor kontekst (dokumentert 128k tokens) som muliggjør samtaler over flere runder, lang samtalehistorikk eller store multimodale økter.
Kompatibel med streaming og Chat Completions: Fungerer i Chat Completions med strømmende lydsvar og strukturerte utdata via funksjonskall.
Balansert ytelse/latens: Justert for å levere lydsvar av høy kvalitet med middels gjennomstrømning—egnet for chatboter og stemmeassistenter der kvalitet er viktig.
Økosystem og integrasjoner: Støttet i plattformens sandkasser og tilgjengelig på tvers av offisielle sanntids-/stemmeendepunkter og partnerintegrasjoner (Azure/Microsoft Foundry-notater refererer til lignende lydmodeller).

gpt-audio-1.5 vs relaterte lydmodeller

Egenskap	gpt-audio-1.5	gpt-realtime-1.5
Primært fokus	Lyd inn/ut av høy kvalitet for Chat Completions og konversasjonsflyter.	Sanntids S2S (tale-til-tale) med lavere latens for live stemmeagenter og strømmingsscenarier.
Kontekstvindu	128k tokens.	32k tokens (sanntidsvarianten dokumentert).
Maks utdata-tokens	16,384 (dokumentert).	Typisk konfigurert for kortere sanntidssvar (dokumentasjonen angir lavere maks tokens).
Beste bruk	Chatboter, stemmeaktiverte assistenter der full chat-semantikk + lyd er nødvendig.	Live stemmeagenter, kiosker og konversasjonsgrensesnitt med lav latens.

Representative bruksområder

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

Begrensninger og driftsmessige hensyn

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

Trinn 1: Registrer deg for API-nøkkel

cometapi-key

Trinn 2: Send forespørsler til GPT Audio 1.5 API

Sett inn spørsmålet eller forespørselen din i content-feltet—det er dette modellen vil svare på. Behandle API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å hente det genererte svaret. Etter behandling returnerer API-et oppgavestatus og utdata.

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

Eksempelkode og API for gpt-audio-1.5

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}`);

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-speech

Inndata og utdata

Inndata

text

Utdata

audio

Produksjonsprofil

Leverandør: OpenAI
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk gpt-audio-1.5 til produksjonsarbeidsflyter som passer audio-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Generering av tale, musikk og lyd

Stemmeopplevelser og medieproduksjon

Automatiserte lydarbeidsflyter i stor skala

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

ElevenLabs

Eleven V4

Eleven v4 er ElevenLabs' uttrykksfulle talesyntesemodell, designet for å generere naturlig lydende tale med rik følelsesmessig fremføring, kontekstuell bevissthet og sterk stemmekonsistens.

Se modell

ElevenLabs

ElevenLabs Voice Dubbing

Utforsk ElevenLabs Voice Dubbing-API-et.

Se modell

ElevenLabs

ElevenLabs Voice Isolation

Utforsk ElevenLabs Voice Isolation-API-et.

Se modell

Bytedance

Seed Audio

Utforsk Seed Audio-API-et.

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

3325msAvg. Response

Uptime

85.3%Avg. Uptime

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for gpt-audio-1.5 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Feb 25, 2026

API-tilgjengelighet bekreftet

gpt-audio-1.5 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Feb 25, 2026

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske