Quando devo usar o gpt-audio-1.5 vs o gpt-realtime-1.5 para um agente de voz?

Escolha o gpt-audio-1.5 para áudio de maior qualidade em fluxos de Chat Completions em que é necessário um contexto maior; escolha o gpt-realtime-1.5 para interações de voz ao vivo com baixa latência. :contentReference[oaicite:46]{index=46}

O gpt-audio-1.5 é adequado para agentes de voz de suporte ao cliente em produção?

Sim — ele foi projetado para assistentes de voz e agentes conversacionais, mas você deve adicionar revisão/QA humana, registro de logs e controles de segurança antes da implantação em produção. :contentReference[oaicite:48]{index=48}

Quais são as principais limitações a considerar ao implantar o gpt-audio-1.5?

As principais considerações são os compromissos de computação/latência para sessões de áudio com contexto amplo, proteções de segurança para conteúdo de voz e a necessidade de validar as saídas de ASR/TTS no seu domínio. :contentReference[oaicite:49]{index=49}

O gpt-audio-1.5 pode lidar com fala-para-texto e texto-para-fala na API?

Sim — ele aceita entradas de áudio e pode retornar saídas de áudio ou respostas textuais por meio dos endpoints Chat Completions/audio. :contentReference[oaicite:45]{index=45}

Quais são os limites oficiais de contexto e de tokens de saída para a API do gpt-audio-1.5?

O gpt-audio-1.5 suporta uma janela de contexto de 128,000 tokens e os documentos listam uma configuração máxima de tokens de saída em torno de 16,384; verifique os limites exatos por endpoint na documentação do desenvolvedor. :contentReference[oaicite:44]{index=44}

O gpt-audio-1.5 oferece suporte a streaming e a chamadas de função para integrações com ferramentas?

Sim — o modelo oferece suporte a respostas de áudio em streaming e a saídas estruturadas/chamadas de função para integrar ferramentas e fluxos de trabalho externos. :contentReference[oaicite:47]{index=47}

OpenAI

Disponível

gpt-audio-1.5

gpt-audio-1.5 API

O melhor modelo de voz para entrada e saída de áudio com Chat Completions.

Preço inicial

$2.00 / 1M de tokens de entrada

Cobrança por uso

Status da API

Disponível

Endpoint de produção

Resposta

Pronto para assíncrono

Tempo de resposta da API observado

Lançado

Feb 24, 2026

OpenAI

Visão Geral

Uma visão geral prática de gpt-audio-1.5, incluindo comportamentos importantes e considerações de integração.

Especificações técnicas do gpt-audio-1.5

Item	gpt-audio-1.5 (especificações públicas)
Model family	Família GPT Audio (variante com prioridade para áudio)
Input types	Texto, áudio (fala de entrada)
Output types	Texto, áudio (fala de saída), saídas estruturadas (suporte a chamadas de função)
Context window	128,000 tokens.
Max output tokens	16,384 (documentado na listagem relacionada de gpt-audio).
Performance tier	Inteligência superior; velocidade média (equilibrada).
Latency profile	Otimizado para interações por voz (latência média/baixa dependendo do endpoint).
Availability	API de Chat Completions (áudio de entrada/saída) e playgrounds da plataforma; integrado em superfícies de voz e de tempo real.
Safety / usage notes	Proteções para conteúdo de voz; trate as saídas do modelo com as práticas usuais de segurança e verificação para agentes de voz em produção.

Observação: gpt-realtime-1.5 é uma variante em tempo real, voltada primeiro para áudio/voz, estreitamente relacionada, otimizada para menor latência e sessões em tempo real; compare abaixo.

O que é o gpt-audio-1.5?

gpt-audio-1.5 é um modelo GPT com capacidade de áudio que oferece suporte tanto à entrada de fala quanto à saída de fala por meio de Chat Completions e APIs relacionadas com suporte a áudio. Ele é posicionado como o principal modelo de áudio geralmente disponível para criar agentes de voz e experiências priorizando fala, equilibrando qualidade e velocidade.

Principais recursos

Suporte a fala de entrada/fala de saída: Lida com entrada falada e retorna respostas faladas ou textuais para fluxos de voz naturais.
Contexto amplo para fluxos de trabalho de áudio: Suporta contexto muito grande (documentado em 128k tokens), permitindo múltiplas rodadas, histórico de conversa longo ou sessões multimodais extensas.
Compatibilidade com streaming e Chat Completions: Funciona dentro de Chat Completions com respostas de áudio em streaming e saídas estruturadas de chamadas de função.
Desempenho/latência equilibrados: Ajustado para fornecer respostas de áudio de alta qualidade com vazão média — adequado para chatbots e assistentes de voz em que a qualidade é importante.
Ecossistema e integrações: Suportado nos playgrounds da plataforma e disponível em endpoints oficiais de voz/tempo real e integrações com parceiros (notas do Azure/Microsoft Foundry referenciam modelos de áudio semelhantes).

gpt-audio-1.5 vs. modelos de áudio relacionados

Propriedade	gpt-audio-1.5	gpt-realtime-1.5
Primary focus	Áudio de alta qualidade de entrada/saída para Chat Completions e fluxos conversacionais.	S2S em tempo real (fala para fala) com menor latência para agentes de voz ao vivo e cenários de streaming.
Context window	128k tokens.	32k tokens (variante em tempo real documentada).
Max output tokens	16,384 (documentado).	Normalmente configurado para respostas mais curtas em tempo real (a documentação lista um máximo de tokens menor).
Best use	Chatbots, assistentes com voz habilitada em que são necessários semântica completa de chat + áudio.	Agentes de voz ao vivo, quiosques e interfaces conversacionais de baixa latência.

Casos de uso representativos

Agentes de voz conversacionais para suporte ao cliente e help desks internos.
Assistentes com voz habilitada incorporados em aplicativos, dispositivos e quiosques.
Fluxos de trabalho mãos livres (ditado, pesquisa por voz, acessibilidade).
Experiências multimodais que misturam áudio com texto / imagens via Chat Completions.

Limitações e considerações operacionais

Não é um substituto direto para QA humano: Sempre valide as saídas de fala e as ações subsequentes com revisão humana em fluxos de produção.
Planejamento de recursos: Contexto grande e E/S de áudio podem aumentar computação e latência — projete estratégias de streaming/segmentação para sessões longas.
Restrições de segurança e políticas: Saídas de voz podem ter poder persuasivo; siga as diretrizes de segurança e proteções da plataforma ao implantar em escala.
Como acessar a API do GPT Audio 1.5

Etapa 1: Cadastre-se para obter a chave de API

Faça login em cometapi.com. Se você ainda não é nosso usuário, registre-se primeiro. Entre no seu CometAPI console. Obtenha a credencial de acesso (chave de API) da interface. Clique em “Add Token” no token de API no centro pessoal, obtenha a chave do token: sk-xxxxx e envie.

cometapi-key

Etapa 2: Envie solicitações para a API GPT Audio 1.5

Selecione o endpoint “gpt-audio-1.5” para enviar a solicitação à API e defina o corpo da solicitação. O método e o corpo da solicitação são obtidos na documentação da API do nosso site. Nosso site também oferece teste no Apifox para sua conveniência. Substitua <YOUR_API_KEY> pela sua chave CometAPI real da sua conta. a URL base é Chat Completions

Insira sua pergunta ou solicitação no campo content — é a isso que o modelo responderá. Processe a resposta da API para obter a resposta gerada.

Etapa 3: Recuperar e verificar os resultados

Processe a resposta da API para obter a resposta gerada. Após o processamento, a API responde com o status da tarefa e os dados de saída.

FAQ

Preços

Use a estimativa rápida acima para uma única execução e depois veja a comparação completa entre CometAPI e preço oficial.

Primeira solicitação

$0.01

Custo estimado de uso da CometAPI

Dez solicitações

$0.1

Custo estimado de uso da CometAPI

Quinze solicitações

$0.15

Custo estimado de uso da CometAPI

Preços para gpt-audio-1.5

Explore preços competitivos para gpt-audio-1.5, projetado para atender diversos orçamentos e necessidades de uso. Nossos planos flexíveis garantem que você pague apenas pelo que usar, facilitando o dimensionamento conforme suas necessidades crescem. Descubra como gpt-audio-1.5 pode aprimorar seus projetos mantendo os custos gerenciáveis.

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

API

Copie um endpoint funcional e um exemplo de código, e abra a referência completa da API quando precisar de todos os parâmetros.

Uma API, acesso a modelos pronto para produção

Autentique-se uma vez, chame o endpoint do modelo e mantenha o mesmo fluxo de cobrança e observabilidade entre provedores.

POST/v1/chat/completions

Código de exemplo e API para gpt-audio-1.5

Acesse código de exemplo abrangente e recursos de API para gpt-audio-1.5 para otimizar seu processo de integração. Nossa documentação detalhada fornece orientação passo a passo, ajudando você a aproveitar todo o potencial do gpt-audio-1.5 em seus projetos.

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}`);

Capacidades

Veja os principais dados do modelo antes de escolher uma arquitetura ou estimar a carga em produção.

Capacidades suportadas

Recursos retornados pela API do modelo existente.

text-to-speech

Entrada e saída

Entradas

text

Saídas

audio

Perfil de produção

Provedor: OpenAI
Contexto: Depende do modelo
Uso comercial: Suportado

Casos de uso

Use gpt-audio-1.5 em fluxos de produção compatíveis com suas capacidades de audio, e compare alternativas antes de um compromisso de integração de longo prazo.

Geração de voz, música e áudio

Experiências de voz e produção de mídia

Fluxos de trabalho de áudio automatizados em escala

Outros modelos

Compare outros modelos disponíveis na CometAPI considerando qualidade, latência, capacidades e preço.

Abrir comparação de modelos →

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.

Ver modelo

OpenAI

GPT-Realtime-2

GPT-Realtime-2 é o nosso modelo de voz em tempo real mais avançado. Ele oferece suporte a interações de voz para voz com esforço de raciocínio configurável, maior fidelidade às instruções e uso de ferramentas mais confiável para fluxos de trabalho complexos de agentes de voz.

Ver modelo

OpenAI

gpt-realtime-1.5

O melhor modelo de voz para áudio de entrada e áudio de saída.

Ver modelo

OpenAI

TTS

OpenAI Texto para Fala

Ver modelo

Kling

Kling TTS

[Síntese de fala] Recém-lançado: texto para áudio com qualidade de transmissão online, com função de pré-visualização ● Pode gerar simultaneamente audio_id, utilizável com qualquer Keling API.

Ver modelo

Kling

Kling video-to-audio

Kling vídeo para áudio

Ver modelo

Uptime

Veja dados de heartbeat em tempo real, disponibilidade do endpoint e tempos de resposta observados antes de ir para produção.

Continue explorando

Compare modelos e continue sua pesquisa

OpenAI

Disponível

gpt-audio-1.5

gpt-audio-1.5 API

O melhor modelo de voz para entrada e saída de áudio com Chat Completions.

Preço inicial

$2.00 / 1M de tokens de entrada

Cobrança por uso

Status da API

Disponível

Endpoint de produção

Resposta

Pronto para assíncrono

Tempo de resposta da API observado

Lançado

Feb 24, 2026

OpenAI

Visão Geral

Uma visão geral prática de gpt-audio-1.5, incluindo comportamentos importantes e considerações de integração.

Especificações técnicas do gpt-audio-1.5

Item	gpt-audio-1.5 (especificações públicas)
Model family	Família GPT Audio (variante com prioridade para áudio)
Input types	Texto, áudio (fala de entrada)
Output types	Texto, áudio (fala de saída), saídas estruturadas (suporte a chamadas de função)
Context window	128,000 tokens.
Max output tokens	16,384 (documentado na listagem relacionada de gpt-audio).
Performance tier	Inteligência superior; velocidade média (equilibrada).
Latency profile	Otimizado para interações por voz (latência média/baixa dependendo do endpoint).
Availability	API de Chat Completions (áudio de entrada/saída) e playgrounds da plataforma; integrado em superfícies de voz e de tempo real.
Safety / usage notes	Proteções para conteúdo de voz; trate as saídas do modelo com as práticas usuais de segurança e verificação para agentes de voz em produção.

Observação: gpt-realtime-1.5 é uma variante em tempo real, voltada primeiro para áudio/voz, estreitamente relacionada, otimizada para menor latência e sessões em tempo real; compare abaixo.

O que é o gpt-audio-1.5?

Principais recursos

Suporte a fala de entrada/fala de saída: Lida com entrada falada e retorna respostas faladas ou textuais para fluxos de voz naturais.
Contexto amplo para fluxos de trabalho de áudio: Suporta contexto muito grande (documentado em 128k tokens), permitindo múltiplas rodadas, histórico de conversa longo ou sessões multimodais extensas.
Compatibilidade com streaming e Chat Completions: Funciona dentro de Chat Completions com respostas de áudio em streaming e saídas estruturadas de chamadas de função.
Desempenho/latência equilibrados: Ajustado para fornecer respostas de áudio de alta qualidade com vazão média — adequado para chatbots e assistentes de voz em que a qualidade é importante.
Ecossistema e integrações: Suportado nos playgrounds da plataforma e disponível em endpoints oficiais de voz/tempo real e integrações com parceiros (notas do Azure/Microsoft Foundry referenciam modelos de áudio semelhantes).

gpt-audio-1.5 vs. modelos de áudio relacionados

Propriedade	gpt-audio-1.5	gpt-realtime-1.5
Primary focus	Áudio de alta qualidade de entrada/saída para Chat Completions e fluxos conversacionais.	S2S em tempo real (fala para fala) com menor latência para agentes de voz ao vivo e cenários de streaming.
Context window	128k tokens.	32k tokens (variante em tempo real documentada).
Max output tokens	16,384 (documentado).	Normalmente configurado para respostas mais curtas em tempo real (a documentação lista um máximo de tokens menor).
Best use	Chatbots, assistentes com voz habilitada em que são necessários semântica completa de chat + áudio.	Agentes de voz ao vivo, quiosques e interfaces conversacionais de baixa latência.

Casos de uso representativos

Agentes de voz conversacionais para suporte ao cliente e help desks internos.
Assistentes com voz habilitada incorporados em aplicativos, dispositivos e quiosques.
Fluxos de trabalho mãos livres (ditado, pesquisa por voz, acessibilidade).
Experiências multimodais que misturam áudio com texto / imagens via Chat Completions.

Limitações e considerações operacionais

Não é um substituto direto para QA humano: Sempre valide as saídas de fala e as ações subsequentes com revisão humana em fluxos de produção.
Planejamento de recursos: Contexto grande e E/S de áudio podem aumentar computação e latência — projete estratégias de streaming/segmentação para sessões longas.
Restrições de segurança e políticas: Saídas de voz podem ter poder persuasivo; siga as diretrizes de segurança e proteções da plataforma ao implantar em escala.
Como acessar a API do GPT Audio 1.5

Etapa 1: Cadastre-se para obter a chave de API

cometapi-key

Etapa 2: Envie solicitações para a API GPT Audio 1.5

Insira sua pergunta ou solicitação no campo content — é a isso que o modelo responderá. Processe a resposta da API para obter a resposta gerada.

Etapa 3: Recuperar e verificar os resultados

Processe a resposta da API para obter a resposta gerada. Após o processamento, a API responde com o status da tarefa e os dados de saída.

FAQ

Preços

Use a estimativa rápida acima para uma única execução e depois veja a comparação completa entre CometAPI e preço oficial.

Primeira solicitação

$0.01

Custo estimado de uso da CometAPI

Dez solicitações

$0.1

Custo estimado de uso da CometAPI

Quinze solicitações

$0.15

Custo estimado de uso da CometAPI

Preços para gpt-audio-1.5

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

API

Copie um endpoint funcional e um exemplo de código, e abra a referência completa da API quando precisar de todos os parâmetros.

Uma API, acesso a modelos pronto para produção

Autentique-se uma vez, chame o endpoint do modelo e mantenha o mesmo fluxo de cobrança e observabilidade entre provedores.

POST/v1/chat/completions

Código de exemplo e API para 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}`);

Capacidades

Veja os principais dados do modelo antes de escolher uma arquitetura ou estimar a carga em produção.

Capacidades suportadas

Recursos retornados pela API do modelo existente.

text-to-speech

Entrada e saída

Entradas

text

Saídas

audio

Perfil de produção

Provedor: OpenAI
Contexto: Depende do modelo
Uso comercial: Suportado

Casos de uso

Use gpt-audio-1.5 em fluxos de produção compatíveis com suas capacidades de audio, e compare alternativas antes de um compromisso de integração de longo prazo.

Geração de voz, música e áudio

Experiências de voz e produção de mídia

Fluxos de trabalho de áudio automatizados em escala

Outros modelos

Compare outros modelos disponíveis na CometAPI considerando qualidade, latência, capacidades e preço.

Abrir comparação de modelos →

O melhor modelo de voz para áudio de entrada e áudio de saída.

Ver modelo

OpenAI

TTS

OpenAI Texto para Fala

Kling vídeo para áudio

Ver modelo

Uptime

Veja dados de heartbeat em tempo real, disponibilidade do endpoint e tempos de resposta observados antes de ir para produção.

Continue explorando