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

gpt-audio-1.5 obsługuje okno kontekstu o rozmiarze 128,000 tokenów, a dokumentacja podaje maksymalną konfigurację liczby tokenów wyjściowych około 16,384; zweryfikuj dokładne limity dla poszczególnych endpointów w dokumentacji deweloperskiej. :contentReference[oaicite:44]{index=44}

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

Tak — akceptuje dane wejściowe audio i może zwracać wyjścia audio lub odpowiedzi tekstowe za pośrednictwem endpointów Chat Completions/audio. :contentReference[oaicite:45]{index=45}

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

Wybierz gpt-audio-1.5 dla wyższej jakości audio w przepływach Chat Completions, gdzie wymagany jest większy kontekst; wybierz gpt-realtime-1.5 do strumieniowych interakcji głosowych na żywo o niskiej latencji. :contentReference[oaicite:46]{index=46}

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

Tak — model obsługuje strumieniowe odpowiedzi audio oraz ustrukturyzowane wyjścia/wywoływanie funkcji w celu integracji zewnętrznych narzędzi i przepływów pracy. :contentReference[oaicite:47]{index=47}

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

Tak — jest przeznaczony dla asystentów głosowych i agentów konwersacyjnych, ale przed wdrożeniem produkcyjnym należy dodać weryfikację/QA przez człowieka, logowanie i mechanizmy bezpieczeństwa. :contentReference[oaicite:48]{index=48}

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

Kluczowe kwestie to kompromisy między mocą obliczeniową a latencją w przypadku sesji audio z dużym kontekstem, zabezpieczenia dla treści głosowych oraz konieczność weryfikacji wyników ASR/TTS w twojej domenie. :contentReference[oaicite:49]{index=49}

O

gpt-audio-1.5

Wejście:$2/M

Wyjście:$8/M

Wydano:Feb 24, 2026

Nowy

Użycie komercyjne

Specyfikacja techniczna gpt-audio-1.5

Element	gpt-audio-1.5 (specyfikacje publiczne)
Rodzina modeli	Rodzina GPT Audio (wariant z priorytetem audio)
Typy wejścia	Tekst, audio (mowa wejściowa)
Typy wyjścia	Tekst, audio (mowa wyjściowa), wyniki strukturyzowane (obsługa wywołań funkcji)
Okno kontekstu	128,000 tokenów.
Maks. tokeny wyjścia	16,384 (udokumentowane w powiązanym wpisie gpt-audio).
Poziom wydajności	Wyższa inteligencja; Średnia prędkość (zrównoważona).
Profil opóźnień	Zoptymalizowany pod kątem interakcji głosowych (średnie/niskie opóźnienia w zależności od endpointu).
Dostępność	Chat Completions API (audio wej./wyj.) i playgroundy platformy; zintegrowany w interfejsach czasu rzeczywistego/głosowych.
Uwagi dot. bezpieczeństwa/użycia	Mechanizmy zabezpieczające dla treści głosowych; traktuj wyniki modelu z typowymi wymogami bezpieczeństwa i weryfikacji dla produkcyjnych agentów głosowych.

Uwaga: gpt-realtime-1.5 to ściśle powiązany wariant czasu rzeczywistego, ukierunkowany na niższe opóźnienia i sesje w czasie rzeczywistym; porównanie poniżej.

Czym jest gpt-audio-1.5?

gpt-audio-1.5 to model GPT obsługujący audio, który wspiera zarówno wejście mowy, jak i wyjście mowy poprzez Chat Completions i powiązane interfejsy API obsługujące audio. Jest pozycjonowany jako główny, powszechnie dostępny model audio do budowania agentów głosowych i doświadczeń z priorytetem mowy, przy zachowaniu równowagi między jakością a szybkością.

Główne funkcje

Obsługa mowy na wejściu/wyjściu: Przetwarzanie wypowiedzi i zwracanie odpowiedzi w formie mówionej lub tekstowej dla naturalnych przepływów głosowych.
Duży kontekst dla przepływów audio: Obsługuje bardzo duże okno kontekstu (udokumentowane 128k tokenów), umożliwiając wieloturowe, długie historie rozmów lub rozbudowane sesje multimodalne.
Strumieniowanie i zgodność z Chat Completions: Działa w ramach Chat Completions ze strumieniowym zwracaniem audio i strukturyzowanymi wyjściami (wywołania funkcji).
Zrównoważona wydajność/opóźnienia: Zestrojony tak, by zapewniać wysokiej jakości odpowiedzi audio przy średniej przepustowości — odpowiedni dla chatbotów i asystentów głosowych, gdzie liczy się jakość.
Ekosystem i integracje: Obsługiwany w playgroundach platformy i dostępny w oficjalnych endpointach czasu rzeczywistego/głosowych oraz integracjach partnerskich (uwagi Azure/Microsoft Foundry odnoszą się do podobnych modeli audio).

gpt-audio-1.5 a pokrewne modele audio

Właściwość	gpt-audio-1.5	gpt-realtime-1.5
Główne przeznaczenie	Wysokiej jakości audio na wejściu/wyjściu dla Chat Completions i przepływów konwersacyjnych.	Realtime S2S (speech-to-speech) z niższymi opóźnieniami do agentów głosowych na żywo i scenariuszy strumieniowych.
Okno kontekstu	128k tokenów.	32k tokenów (udokumentowany wariant czasu rzeczywistego).
Maks. tokeny wyjścia	16,384 (udokumentowane).	Zazwyczaj skonfigurowany dla krótszych odpowiedzi w czasie rzeczywistym (dokumentacja podaje mniejszą maksymalną liczbę tokenów).
Najlepsze zastosowanie	Chatboty, asystenci z obsługą głosu, gdzie wymagane są pełne semantyki czatu + audio.	Agenci głosowi na żywo, kioski i interfejsy konwersacyjne o niskich opóźnieniach.

Reprezentatywne przypadki użycia

Konwersacyjni agenci głosowi do wsparcia klienta i wewnętrznych help desków.
Asystenci z obsługą głosu osadzeni w aplikacjach, urządzeniach i kioskach.
Bezdotykowe przepływy pracy (dyktowanie, wyszukiwanie głosowe, dostępność).
Doświadczenia multimodalne łączące audio z tekstem / obrazami poprzez Chat Completions.

Ograniczenia i uwagi operacyjne

Nie zastępuje w pełni ludzkiego QA: Zawsze waliduj wyjścia mowy i działania downstream z udziałem człowieka w środowiskach produkcyjnych.
Planowanie zasobów: Duże okno kontekstu i I/O audio mogą zwiększać użycie zasobów i opóźnienia — projektuj strategie strumieniowania/segmentacji dla długich sesji.
Bezpieczeństwo i ograniczenia polityk: Wyjścia głosowe mogą mieć siłę perswazji; przestrzegaj wytycznych platformy i zabezpieczeń przy wdrożeniach na skalę.
Jak uzyskać dostęp do GPT Audio 1.5 API

Krok 1: Zarejestruj się po klucz API

Zaloguj się do cometapi.com. Jeśli nie jesteś jeszcze naszym użytkownikiem, najpierw się zarejestruj. Zaloguj się do swojego konsoli CometAPI. Uzyskaj klucz API uprawniający do dostępu do interfejsu. Kliknij „Add Token” w sekcji tokenów API w panelu użytkownika, pobierz klucz tokenu: sk-xxxxx i zatwierdź.

cometapi-key

Krok 2: Wyślij żądania do GPT Audio 1.5 API

Wybierz endpoint „gpt-audio-1.5”, aby wysłać żądanie API i ustaw ciało żądania. Metodę żądania i treść żądania znajdziesz w naszej dokumentacji API na stronie. Nasza strona udostępnia też test w Apifox dla Twojej wygody. Zastąp <YOUR_API_KEY> swoim rzeczywistym kluczem CometAPI z konta. base url is Chat Completions

Wstaw swoje pytanie lub prośbę do pola content — na to model odpowie. Przetwórz odpowiedź API, aby uzyskać wygenerowaną odpowiedź.

Krok 3: Pobierz i zweryfikuj wyniki

Przetwórz odpowiedź API, aby uzyskać wygenerowaną odpowiedź. Po przetworzeniu API zwraca status zadania i dane wyjściowe.

FAQ

Cennik dla gpt-audio-1.5

Poznaj konkurencyjne ceny dla gpt-audio-1.5, zaprojektowane tak, aby pasowały do różnych budżetów i potrzeb użytkowania. Nasze elastyczne plany zapewniają, że płacisz tylko za to, czego używasz, co ułatwia skalowanie w miarę wzrostu Twoich wymagań. Odkryj, jak gpt-audio-1.5 może ulepszyć Twoje projekty przy jednoczesnym utrzymaniu kosztów na rozsądnym poziomie.

Cena Comet (USD / M Tokens)	Oficjalna cena (USD / M Tokens)	Zniżka
Wejście:$2/M Wyjście:$8/M	Wejście:$2.5/M Wyjście:$10/M	-20%

Przykładowy kod i API dla gpt-audio-1.5

Uzyskaj dostęp do kompleksowego przykładowego kodu i zasobów API dla gpt-audio-1.5, aby usprawnić proces integracji. Nasza szczegółowa dokumentacja zapewnia wskazówki krok po kroku, pomagając wykorzystać pełny potencjał gpt-audio-1.5 w Twoich projektach.

POST

/v1/chat/completions

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}")

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}`);

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')
"