Когда следует использовать gpt-audio-1.5, а когда gpt-realtime-1.5 для голосового агента?

Выбирайте gpt-audio-1.5 для более высокого качества звука в процессах Chat Completions, где требуется больший контекст; выбирайте gpt-realtime-1.5 для низкой задержки и потоковых голосовых взаимодействий в реальном времени. :contentReference[oaicite:46]{index=46}

Подходит ли gpt-audio-1.5 для голосовых агентов поддержки клиентов в продакшене?

Да — он разработан для голосовых ассистентов и разговорных агентов, но перед вводом в продакшн следует добавить ручную проверку/QA, логирование и механизмы безопасности. :contentReference[oaicite:48]{index=48}

Какие основные ограничения следует учитывать при внедрении gpt-audio-1.5?

Ключевые моменты: компромиссы между вычислительными ресурсами и задержкой для аудиосессий с большим контекстом, меры безопасности для голосового контента и необходимость проверять результаты ASR/TTS в вашей предметной области. :contentReference[oaicite:49]{index=49}

Может ли gpt-audio-1.5 обрабатывать и преобразование речи в текст, и текста в речь в API?

Да — он принимает аудиовходы и может возвращать аудиовыходы или текстовые ответы через конечные точки Chat Completions/audio. :contentReference[oaicite:45]{index=45}

Каковы официальные лимиты контекста и выходных токенов для API gpt-audio-1.5?

gpt-audio-1.5 поддерживает контекстное окно в 128,000 токенов, а в документах указана максимальная конфигурация выходных токенов около 16,384; уточняйте точные лимиты для каждой конечной точки в документации для разработчиков. :contentReference[oaicite:44]{index=44}

Поддерживает ли gpt-audio-1.5 потоковую передачу и вызов функций для интеграции инструментов?

Да — модель поддерживает потоковую передачу аудиоответов и структурированные выходные данные/вызов функций для интеграции внешних инструментов и рабочих процессов. :contentReference[oaicite:47]{index=47}

OpenAI

Доступно

gpt-audio-1.5

gpt-audio-1.5 API

Лучшая голосовая модель для ввода и вывода аудио с Chat Completions.

Стартовая цена

$2.00 / 1 млн входных токенов

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Feb 24, 2026

OpenAI

Обзор

Практический обзор gpt-audio-1.5, включая важные особенности поведения и нюансы интеграции.

Технические характеристики gpt-audio-1.5

Параметр	gpt-audio-1.5 (публичные спецификации)
Семейство моделей	Семейство GPT Audio (вариант с приоритетом аудио)
Типы ввода	Текст, аудио (речь на входе)
Типы вывода	Текст, аудио (речь на выходе), структурированные ответы (поддерживаются вызовы функций)
Контекстное окно	128 000 токенов.
Максимум выходных токенов	16 384 (указано в соответствующем списке gpt-audio).
Класс производительности	Высокий уровень интеллекта; средняя скорость (сбалансированная).
Профиль задержки	Оптимизировано для голосовых взаимодействий (средняя/низкая задержка в зависимости от конечной точки).
Доступность	Chat Completions API (аудио-вход/выход) и песочницы платформы; интегрировано во все realtime/voice интерфейсы.
Примечания по безопасности/использованию	Ограничители для голосового контента; относитесь к выводам модели с обычными мерами безопасности и проверкой для продакшн-голосовых агентов.

Примечание: gpt-realtime-1.5 — близкий вариант для работы в реальном времени, ориентированный на аудио/голос, оптимизирован для меньшей задержки и сессий в реальном времени; см. сравнение ниже.

Что такое gpt-audio-1.5?

gpt-audio-1.5 — аудио-способная модель GPT, поддерживающая как голосовой ввод, так и голосовой вывод через Chat Completions и связанные аудио-способные API. Она позиционируется как основная общедоступная аудио-модель для создания голосовых агентов и аудио-первых сценариев, балансируя качество и скорость.

Основные возможности

Поддержка речи на входе/выходе: Обрабатывает устный ввод и возвращает голосовые или текстовые ответы для естественных голосовых сценариев.
Большой контекст для аудиопроцессов: Поддерживает очень большой контекст (задокументировано 128k токенов), позволяя многоходовые диалоги, длинную историю общения или крупные мультимодальные сессии.
Совместимость с потоковой передачей и Chat Completions: Работает в Chat Completions с потоковыми аудиоответами и структурированными выводами через вызовы функций.
Сбалансированные производительность/задержка: Настроена для предоставления высококачественных аудиоответов при средней пропускной способности — подходит для чат-ботов и голосовых ассистентов, где важно качество.
Экосистема и интеграции: Поддерживается в песочницах платформы и доступна на официальных realtime/voice конечных точках и в партнёрских интеграциях (примечания Azure/Microsoft Foundry ссылаются на аналогичные аудиомодели).

gpt-audio-1.5 по сравнению со связанными аудиомоделями

Свойство	gpt-audio-1.5	gpt-realtime-1.5
Основной фокус	Высококачественный аудио-ввод/вывод для Chat Completions и разговорных сценариев.	Режим реального времени S2S (speech-to-speech) с более низкой задержкой для живых голосовых агентов и потоковых сценариев.
Контекстное окно	128k токенов.	32k токенов (для варианта realtime, согласно документации).
Максимум выходных токенов	16 384 (указано).	Обычно настроен для более коротких ответов в реальном времени (в документации указан меньший максимум токенов).
Лучшие сценарии использования	Чат-боты, голосовые ассистенты, где требуется полная семантика чата + аудио.	Голосовые агенты в реальном времени, киоски и интерфейсы с низкой задержкой.

Типовые варианты использования

Разговорные голосовые агенты для поддержки клиентов и внутренних справочных служб.
Голосовые ассистенты в приложениях, устройствах и киосках.
Режимы hands-free (диктовка, голосовой поиск, доступность).
Мультимодальные сценарии, сочетающие аудио с текстом/изображениями через Chat Completions.

Ограничения и эксплуатационные соображения

Не является полноценной заменой человеческому QA: Всегда проверяйте голосовые выходные данные и последующие действия с участием человека в продакшн-процессах.
Планирование ресурсов: Большой контекст и аудио-ввод/вывод могут увеличить вычислительные затраты и задержку — продумайте стратегии потоковой передачи/сегментации для длинных сессий.
Ограничения по безопасности и политике: Голосовые ответы могут быть убедительными; соблюдайте руководства по безопасности платформы и ограничения при масштабном внедрении.
Как получить доступ к GPT Audio 1.5 API

Шаг 1: Зарегистрируйтесь и получите ключ API

Войдите на cometapi.com. Если вы ещё не наш пользователь, пожалуйста, сначала зарегистрируйтесь. Авторизуйтесь в консоли CometAPI. Получите учетный API-ключ доступа к интерфейсу. Нажмите «Add Token» в разделе API token в личном кабинете, получите ключ токена: sk-xxxxx и отправьте.

cometapi-key

Шаг 2: Отправьте запросы к GPT Audio 1.5 API

Выберите «gpt-audio-1.5» как конечную точку для отправки API-запроса и задайте тело запроса. Метод и тело запроса доступны в документации API на нашем сайте. Для удобства на сайте также предоставлен тест в Apifox. Замените <YOUR_API_KEY> на ваш фактический ключ CometAPI из аккаунта. Базовый URL — Chat Completions

Вставьте ваш вопрос или запрос в поле content — на это и будет отвечать модель. Обработайте ответ API, чтобы получить сгенерированный ответ.

Шаг 3: Получите и проверьте результаты

Обработайте ответ API, чтобы получить сгенерированный ответ. После обработки API возвращает статус задачи и выходные данные.

ЧАВО

Цены

Используйте быструю оценку выше для одного запуска, а затем изучите полное сравнение цен CometAPI и официальных цен.

Первый запрос

$0.01

Оценочная стоимость использования CometAPI

Десять запросов

$0.1

Оценочная стоимость использования CometAPI

Пятнадцать запросов

$0.15

Оценочная стоимость использования CometAPI

Цены для gpt-audio-1.5

Изучите конкурентоспособные цены на gpt-audio-1.5, разработанные для различных бюджетов и потребностей использования. Наши гибкие планы гарантируют, что вы платите только за то, что используете, что упрощает масштабирование по мере роста ваших требований. Узнайте, как gpt-audio-1.5 может улучшить ваши проекты, сохраняя при этом управляемые расходы.

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

API

Скопируйте рабочий эндпоинт и пример кода, а при необходимости всех параметров откройте полный справочник по API.

Единый API, промышленный доступ к моделям

Пройдите аутентификацию один раз, вызывайте эндпоинт модели и сохраняйте единый процесс биллинга и мониторинга у разных провайдеров.

POST/v1/chat/completions

Пример кода и API для gpt-audio-1.5

Получите доступ к исчерпывающим примерам кода и ресурсам API для gpt-audio-1.5, чтобы упростить процесс интеграции. Наша подробная документация предоставляет пошаговые инструкции, помогая вам использовать весь потенциал gpt-audio-1.5 в ваших проектах.

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}`);

Возможности

Изучите ключевые характеристики модели перед выбором архитектуры или оценкой продакшен-нагрузки.

Поддерживаемые возможности

Функции, возвращаемые существующим API модели.

text-to-speech

Ввод и вывод

Входы

text

Выходы

audio

Продакшен-профиль

Провайдер: OpenAI
Контекст: Зависит от модели
Коммерческое использование: Поддерживается

Сценарии использования

Используйте gpt-audio-1.5 в продакшен-сценариях, соответствующих её возможностям audio, и сравните альтернативы перед долгосрочной интеграцией.

Генерация речи, музыки и аудио

Голосовые сценарии и медиапроизводство

Автоматизированные аудио-процессы в большом масштабе

Другие модели

Сравните другие модели, доступные через CometAPI, по качеству, задержке, возможностям и цене.

Открыть сравнение моделей →

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.

Смотреть модель

OpenAI

GPT-Realtime-2

GPT-Realtime-2 — наша самая мощная голосовая модель реального времени. Она поддерживает взаимодействия «речь‑в‑речь» с настраиваемой глубиной рассуждений, более точным следованием инструкциям и более надежным использованием инструментов для сложных рабочих процессов голосовых агентов.

Смотреть модель

OpenAI

gpt-realtime-1.5

Лучшая модель речи для ввода и вывода аудио.

Смотреть модель

OpenAI

TTS

Преобразование текста в речь OpenAI

Смотреть модель

Kling

Kling TTS

[Синтез речи] Недавно запущено: онлайн генерация вещательного аудио из текста, с функцией предварительного прослушивания ● Одновременно может генерировать audio_id, который можно использовать с любым Keling API.

Kling видео в аудио

Uptime

Перед переходом в продакшен изучите данные о состоянии в реальном времени, доступность эндпоинта и измеренное время отклика.

Продолжайте изучение

Сравнивайте модели и продолжайте исследование

OpenAI

Доступно

gpt-audio-1.5

gpt-audio-1.5 API

Лучшая голосовая модель для ввода и вывода аудио с Chat Completions.

Стартовая цена

$2.00 / 1 млн входных токенов

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Feb 24, 2026

OpenAI

Обзор

Практический обзор gpt-audio-1.5, включая важные особенности поведения и нюансы интеграции.

Технические характеристики gpt-audio-1.5

Параметр	gpt-audio-1.5 (публичные спецификации)
Семейство моделей	Семейство GPT Audio (вариант с приоритетом аудио)
Типы ввода	Текст, аудио (речь на входе)
Типы вывода	Текст, аудио (речь на выходе), структурированные ответы (поддерживаются вызовы функций)
Контекстное окно	128 000 токенов.
Максимум выходных токенов	16 384 (указано в соответствующем списке gpt-audio).
Класс производительности	Высокий уровень интеллекта; средняя скорость (сбалансированная).
Профиль задержки	Оптимизировано для голосовых взаимодействий (средняя/низкая задержка в зависимости от конечной точки).
Доступность	Chat Completions API (аудио-вход/выход) и песочницы платформы; интегрировано во все realtime/voice интерфейсы.
Примечания по безопасности/использованию	Ограничители для голосового контента; относитесь к выводам модели с обычными мерами безопасности и проверкой для продакшн-голосовых агентов.

Примечание: gpt-realtime-1.5 — близкий вариант для работы в реальном времени, ориентированный на аудио/голос, оптимизирован для меньшей задержки и сессий в реальном времени; см. сравнение ниже.

Что такое gpt-audio-1.5?

Основные возможности

Поддержка речи на входе/выходе: Обрабатывает устный ввод и возвращает голосовые или текстовые ответы для естественных голосовых сценариев.
Большой контекст для аудиопроцессов: Поддерживает очень большой контекст (задокументировано 128k токенов), позволяя многоходовые диалоги, длинную историю общения или крупные мультимодальные сессии.
Совместимость с потоковой передачей и Chat Completions: Работает в Chat Completions с потоковыми аудиоответами и структурированными выводами через вызовы функций.
Сбалансированные производительность/задержка: Настроена для предоставления высококачественных аудиоответов при средней пропускной способности — подходит для чат-ботов и голосовых ассистентов, где важно качество.
Экосистема и интеграции: Поддерживается в песочницах платформы и доступна на официальных realtime/voice конечных точках и в партнёрских интеграциях (примечания Azure/Microsoft Foundry ссылаются на аналогичные аудиомодели).

gpt-audio-1.5 по сравнению со связанными аудиомоделями

Свойство	gpt-audio-1.5	gpt-realtime-1.5
Основной фокус	Высококачественный аудио-ввод/вывод для Chat Completions и разговорных сценариев.	Режим реального времени S2S (speech-to-speech) с более низкой задержкой для живых голосовых агентов и потоковых сценариев.
Контекстное окно	128k токенов.	32k токенов (для варианта realtime, согласно документации).
Максимум выходных токенов	16 384 (указано).	Обычно настроен для более коротких ответов в реальном времени (в документации указан меньший максимум токенов).
Лучшие сценарии использования	Чат-боты, голосовые ассистенты, где требуется полная семантика чата + аудио.	Голосовые агенты в реальном времени, киоски и интерфейсы с низкой задержкой.

Типовые варианты использования

Разговорные голосовые агенты для поддержки клиентов и внутренних справочных служб.
Голосовые ассистенты в приложениях, устройствах и киосках.
Режимы hands-free (диктовка, голосовой поиск, доступность).
Мультимодальные сценарии, сочетающие аудио с текстом/изображениями через Chat Completions.

Ограничения и эксплуатационные соображения

Не является полноценной заменой человеческому QA: Всегда проверяйте голосовые выходные данные и последующие действия с участием человека в продакшн-процессах.
Планирование ресурсов: Большой контекст и аудио-ввод/вывод могут увеличить вычислительные затраты и задержку — продумайте стратегии потоковой передачи/сегментации для длинных сессий.
Ограничения по безопасности и политике: Голосовые ответы могут быть убедительными; соблюдайте руководства по безопасности платформы и ограничения при масштабном внедрении.
Как получить доступ к GPT Audio 1.5 API

Шаг 1: Зарегистрируйтесь и получите ключ API

cometapi-key

Шаг 2: Отправьте запросы к GPT Audio 1.5 API

Шаг 3: Получите и проверьте результаты

ЧАВО

Цены

Первый запрос

$0.01

Оценочная стоимость использования CometAPI

Десять запросов

$0.1

Оценочная стоимость использования CometAPI

Пятнадцать запросов

$0.15

Оценочная стоимость использования CometAPI

Цены для gpt-audio-1.5

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

API

Единый API, промышленный доступ к моделям

POST/v1/chat/completions

Пример кода и API для 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}`);

Возможности

Изучите ключевые характеристики модели перед выбором архитектуры или оценкой продакшен-нагрузки.

Поддерживаемые возможности

Функции, возвращаемые существующим API модели.

text-to-speech

Ввод и вывод

Входы

text

Выходы

audio

Продакшен-профиль

Провайдер: OpenAI
Контекст: Зависит от модели
Коммерческое использование: Поддерживается

Сценарии использования

Генерация речи, музыки и аудио

Голосовые сценарии и медиапроизводство

Автоматизированные аудио-процессы в большом масштабе

Другие модели

Сравните другие модели, доступные через CometAPI, по качеству, задержке, возможностям и цене.

Открыть сравнение моделей →

Лучшая модель речи для ввода и вывода аудио.

Смотреть модель

OpenAI

TTS

Преобразование текста в речь OpenAI

Kling видео в аудио

Uptime

Продолжайте изучение