Khi nào tôi nên dùng gpt-audio-1.5 thay vì gpt-realtime-1.5 cho một tác nhân giọng nói?

Chọn gpt-audio-1.5 để có chất lượng âm thanh cao hơn trong các luồng Chat Completions nơi cần ngữ cảnh lớn; chọn gpt-realtime-1.5 cho các tương tác giọng nói trực tuyến thời gian thực với độ trễ thấp. :contentReference[oaicite:46]{index=46}

gpt-audio-1.5 có phù hợp cho các tác nhân hỗ trợ khách hàng bằng giọng nói trong môi trường sản xuất không?

Có — nó được thiết kế cho trợ lý giọng nói và tác nhân hội thoại, nhưng bạn nên bổ sung rà soát/QA do con người, ghi nhật ký, và các biện pháp kiểm soát an toàn trước khi triển khai vào môi trường sản xuất. :contentReference[oaicite:48]{index=48}

Những hạn chế chính cần cân nhắc khi triển khai gpt-audio-1.5 là gì?

Các cân nhắc chính gồm các đánh đổi giữa tài nguyên tính toán và độ trễ đối với các phiên âm thanh có ngữ cảnh lớn, hàng rào an toàn cho nội dung giọng nói, và nhu cầu xác thực đầu ra ASR/TTS trong lĩnh vực của bạn. :contentReference[oaicite:49]{index=49}

gpt-audio-1.5 có thể xử lý cả chuyển giọng nói thành văn bản và văn bản thành giọng nói trong API không?

Có — nó chấp nhận đầu vào âm thanh và có thể trả về đầu ra âm thanh hoặc phản hồi dạng văn bản qua các endpoint Chat Completions/audio. :contentReference[oaicite:45]{index=45}

Giới hạn chính thức về ngữ cảnh và token đầu ra của API gpt-audio-1.5 là gì?

gpt-audio-1.5 hỗ trợ cửa sổ ngữ cảnh 128,000-token và tài liệu liệt kê cấu hình số token đầu ra tối đa khoảng 16,384; hãy xác minh các giới hạn chính xác theo từng endpoint trong tài liệu dành cho nhà phát triển. :contentReference[oaicite:44]{index=44}

gpt-audio-1.5 có hỗ trợ streaming và gọi hàm để tích hợp công cụ không?

Có — mô hình hỗ trợ phản hồi âm thanh dạng streaming và đầu ra có cấu trúc/gọi hàm để tích hợp các công cụ và quy trình bên ngoài. :contentReference[oaicite:47]{index=47}

OpenAI

Khả dụng

gpt-audio-1.5

gpt-audio-1.5 API

Mô hình giọng nói tốt nhất cho đầu vào âm thanh, đầu ra âm thanh với Chat Completions.

Giá khởi điểm

$2.00 / 1 triệu token đầu vào

Tính phí theo mức sử dụng

Tình trạng API

Khả dụng

Endpoint môi trường thực tế

Thời gian phản hồi

Sẵn sàng bất đồng bộ

Thời gian phản hồi API thực đo

Ngày phát hành

Feb 24, 2026

OpenAI

Tổng quan

Tổng quan thực tế về gpt-audio-1.5, bao gồm các hành vi quan trọng và lưu ý khi tích hợp.

Thông số kỹ thuật của gpt-audio-1.5

Mục	gpt-audio-1.5 (thông số công khai)
Dòng mô hình	Họ GPT Audio (biến thể ưu tiên âm thanh)
Loại đầu vào	Văn bản, âm thanh (giọng nói vào)
Loại đầu ra	Văn bản, âm thanh (giọng nói ra), đầu ra có cấu trúc (hỗ trợ gọi hàm)
Cửa sổ ngữ cảnh	128,000 token.
Số token đầu ra tối đa	16,384 (được ghi trong danh sách gpt-audio liên quan).
Mức hiệu năng	Mức thông minh cao hơn; Tốc độ trung bình (cân bằng).
Hồ sơ độ trễ	Tối ưu cho tương tác giọng nói (độ trễ trung bình/thấp tùy endpoint).
Khả dụng	Chat Completions API (audio in/out) và playground của nền tảng; tích hợp trên các bề mặt realtime/giọng nói chính thức.
Ghi chú an toàn / sử dụng	Hàng rào bảo vệ cho nội dung giọng nói; xử lý đầu ra của mô hình theo tiêu chuẩn an toàn và xác minh thông thường cho agent giọng nói trong sản xuất.

Lưu ý: gpt-realtime-1.5 là biến thể thời gian thực liên quan chặt chẽ, ưu tiên âm thanh/giọng nói, được tối ưu cho độ trễ thấp hơn và các phiên realtime; xem so sánh bên dưới.

gpt-audio-1.5 là gì?

gpt-audio-1.5 là một mô hình GPT hỗ trợ âm thanh, hỗ trợ cả đầu vào và đầu ra giọng nói thông qua Chat Completions và các API hỗ trợ âm thanh liên quan. Mô hình này được định vị là lựa chọn âm thanh sẵn dùng chủ đạo để xây dựng agent giọng nói và trải nghiệm ưu tiên giọng nói, cân bằng giữa chất lượng và tốc độ.

Các tính năng chính

Hỗ trợ giọng nói vào/ra: Xử lý đầu vào dạng lời nói và trả về phản hồi dạng giọng nói hoặc văn bản cho luồng hội thoại tự nhiên.
Ngữ cảnh lớn cho quy trình âm thanh: Hỗ trợ ngữ cảnh rất lớn (ghi nhận 128k token), cho phép nhiều lượt thoại, lịch sử hội thoại dài hoặc phiên đa phương thức lớn.
Tương thích Streaming & Chat Completions: Hoạt động trong Chat Completions với phản hồi âm thanh dạng streaming và đầu ra có cấu trúc qua lời gọi hàm.
Hiệu năng/độ trễ cân bằng: Điều chỉnh để cung cấp phản hồi âm thanh chất lượng cao ở thông lượng trung bình—phù hợp cho chatbot và trợ lý giọng nói nơi chất lượng quan trọng.
Hệ sinh thái & tích hợp: Được hỗ trợ trong playground của nền tảng và khả dụng trên các endpoint realtime/giọng nói chính thức cùng tích hợp đối tác (ghi chú Azure/Microsoft Foundry tham chiếu các mô hình âm thanh tương tự).

gpt-audio-1.5 so với các mô hình âm thanh liên quan

Thuộc tính	gpt-audio-1.5	gpt-realtime-1.5
Trọng tâm chính	Âm thanh vào/ra chất lượng cao cho Chat Completions và các luồng hội thoại.	S2S thời gian thực (speech-to-speech) với độ trễ thấp hơn cho agent giọng nói trực tiếp và các kịch bản streaming.
Cửa sổ ngữ cảnh	128k tokens.	32k tokens (biến thể realtime được ghi nhận).
Số token đầu ra tối đa	16,384 (được ghi nhận).	Thường cấu hình cho phản hồi thời gian thực ngắn hơn (tài liệu liệt kê số token tối đa nhỏ hơn).
Phù hợp nhất	Chatbot, trợ lý hỗ trợ giọng nói nơi cần đầy đủ ngữ nghĩa chat + âm thanh.	Agent giọng nói trực tiếp, kiosk và giao diện hội thoại độ trễ thấp.

Trường hợp sử dụng tiêu biểu

Agent giọng nói hội thoại cho hỗ trợ khách hàng và bàn trợ giúp nội bộ.
Trợ lý hỗ trợ giọng nói được nhúng trong ứng dụng, thiết bị và kiosk.
Quy trình rảnh tay (nhập liệu bằng giọng nói, tìm kiếm bằng giọng nói, hỗ trợ tiếp cận).
Trải nghiệm đa phương thức kết hợp âm thanh với văn bản/hình ảnh thông qua Chat Completions.

Giới hạn & lưu ý vận hành

Không phải giải pháp thay thế trực tiếp cho kiểm thử chất lượng do con người: Luôn xác thực đầu ra giọng nói và các hành động hạ nguồn bằng rà soát của con người trong quy trình sản xuất.
Lập kế hoạch tài nguyên: Ngữ cảnh lớn và I/O âm thanh có thể tăng tải tính toán và độ trễ—hãy thiết kế chiến lược streaming/chia đoạn cho các phiên dài.
Ràng buộc an toàn & chính sách: Đầu ra giọng nói có thể mang tính thuyết phục; tuân thủ hướng dẫn an toàn của nền tảng và các hàng rào bảo vệ khi triển khai ở quy mô lớn.
Cách truy cập API GPT Audio 1.5

Bước 1: Đăng ký để lấy API Key

Đăng nhập vào cometapi.com. Nếu bạn chưa là người dùng của chúng tôi, vui lòng đăng ký trước. Đăng nhập vào CometAPI console. Lấy API key thông tin xác thực truy cập của giao diện. Nhấp “Add Token” tại mục API token trong trung tâm cá nhân, lấy khóa token: sk-xxxxx và gửi.

cometapi-key

Bước 2: Gửi yêu cầu đến API GPT Audio 1.5

Chọn endpoint “gpt-audio-1.5” để gửi yêu cầu API và thiết lập nội dung body yêu cầu. Phương thức yêu cầu và body được lấy từ tài liệu API trên trang web của chúng tôi. Trang web cũng cung cấp Apifox để bạn thử nghiệm. Thay thế <YOUR_API_KEY> bằng khóa CometAPI thực tế từ tài khoản của bạn. URL cơ sở là Chat Completions

Chèn câu hỏi hoặc yêu cầu của bạn vào trường content—đây là phần mà mô hình sẽ phản hồi. Xử lý phản hồi API để lấy câu trả lời được tạo ra.

Bước 3: Truy xuất và xác minh kết quả

Xử lý phản hồi API để lấy câu trả lời được tạo. Sau khi xử lý, API sẽ phản hồi trạng thái tác vụ và dữ liệu đầu ra.

Câu Hỏi Thường Gặp

Giá cả

Sử dụng ước tính nhanh ở trên cho một lần chạy, sau đó xem so sánh đầy đủ giữa CometAPI và giá chính thức.

Yêu cầu đầu tiên

$0.01

Chi phí sử dụng CometAPI ước tính

Mười yêu cầu

$0.1

Chi phí sử dụng CometAPI ước tính

Mười lăm yêu cầu

$0.15

Chi phí sử dụng CometAPI ước tính

Giá cả cho gpt-audio-1.5

Khám phá mức giá cạnh tranh cho gpt-audio-1.5, được thiết kế để phù hợp với nhiều ngân sách và nhu cầu sử dụng khác nhau. Các gói linh hoạt của chúng tôi đảm bảo bạn chỉ trả tiền cho những gì bạn sử dụng, giúp dễ dàng mở rộng quy mô khi yêu cầu của bạn tăng lên. Khám phá cách gpt-audio-1.5 có thể nâng cao các dự án của bạn trong khi vẫn kiểm soát được chi phí.

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Đầu vào:$2/M Đầu ra:$8/M	Đầu vào:$2.5/M Đầu ra:$10/M	-20%

API

Sao chép một endpoint và ví dụ mã hoạt động, sau đó mở tài liệu tham khảo API đầy đủ khi bạn cần mọi tham số.

Một API, quyền truy cập mô hình sẵn sàng cho môi trường thực tế

Xác thực một lần, gọi endpoint mô hình và duy trì cùng một quy trình thanh toán và giám sát trên các nhà cung cấp.

POST/v1/chat/completions

Mã mẫu và API cho gpt-audio-1.5

Truy cập mã mẫu toàn diện và tài nguyên API cho gpt-audio-1.5 để tối ưu hóa quy trình tích hợp của bạn. Tài liệu chi tiết của chúng tôi cung cấp hướng dẫn từng bước, giúp bạn khai thác toàn bộ tiềm năng của gpt-audio-1.5 trong các dự án của mình.

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}`);

Khả năng

Xem các thông tin quan trọng của mô hình trước khi chọn kiến trúc hoặc ước tính tải cho môi trường thực tế.

Khả năng được hỗ trợ

Các tính năng được API mô hình hiện tại trả về.

text-to-speech

Đầu vào và đầu ra

Đầu vào

text

Đầu ra

audio

Hồ sơ môi trường thực tế

Nhà cung cấp: OpenAI
Bối cảnh: Tùy theo mô hình
Sử dụng thương mại: Được hỗ trợ

Trường hợp sử dụng

Sử dụng gpt-audio-1.5 cho các quy trình môi trường thực tế phù hợp với khả năng audio của nó, sau đó so sánh các lựa chọn khác trước khi cam kết tích hợp lâu dài.

Tạo giọng nói, âm nhạc và âm thanh

Trải nghiệm giọng nói và sản xuất truyền thông

Quy trình âm thanh tự động ở quy mô lớn

Mô hình khác

So sánh các mô hình khác có sẵn qua CometAPI theo chất lượng, độ trễ, khả năng và giá cả.

Mở so sánh mô hình →

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.

Xem mô hình

OpenAI

GPT-Realtime-2

GPT-Realtime-2 là mô hình giọng nói thời gian thực mạnh nhất của chúng tôi. Nó hỗ trợ các tương tác giọng nói sang giọng nói với mức độ lập luận có thể cấu hình, khả năng tuân thủ hướng dẫn tốt hơn và khả năng sử dụng công cụ đáng tin cậy hơn cho các quy trình làm việc phức tạp của tác nhân giọng nói.

Xem mô hình

OpenAI

gpt-realtime-1.5

Mô hình giọng nói tốt nhất cho đầu vào âm thanh, đầu ra âm thanh.

Xem mô hình

OpenAI

TTS

OpenAI Text-to-Speech

Xem mô hình

Kling

Kling TTS

[Tổng hợp giọng nói] Mới ra mắt: chuyển văn bản thành âm thanh phát sóng trực tuyến, có chức năng xem trước ● Có thể đồng thời tạo audio_id, dùng được với bất kỳ Keling API nào.

Xem mô hình

Kling

Kling video-to-audio

Kling chuyển đổi video sang âm thanh

Xem mô hình

Uptime

Xem dữ liệu heartbeat trực tiếp, tính khả dụng của endpoint và thời gian phản hồi thực đo trước khi triển khai thực tế.

Tiếp tục khám phá

So sánh các mô hình và tiếp tục nghiên cứu của bạn

OpenAI

Khả dụng

gpt-audio-1.5

gpt-audio-1.5 API

Mô hình giọng nói tốt nhất cho đầu vào âm thanh, đầu ra âm thanh với Chat Completions.

Giá khởi điểm

$2.00 / 1 triệu token đầu vào

Tính phí theo mức sử dụng

Tình trạng API

Khả dụng

Endpoint môi trường thực tế

Thời gian phản hồi

Sẵn sàng bất đồng bộ

Thời gian phản hồi API thực đo

Ngày phát hành

Feb 24, 2026

OpenAI

Tổng quan

Tổng quan thực tế về gpt-audio-1.5, bao gồm các hành vi quan trọng và lưu ý khi tích hợp.

Thông số kỹ thuật của gpt-audio-1.5

Mục	gpt-audio-1.5 (thông số công khai)
Dòng mô hình	Họ GPT Audio (biến thể ưu tiên âm thanh)
Loại đầu vào	Văn bản, âm thanh (giọng nói vào)
Loại đầu ra	Văn bản, âm thanh (giọng nói ra), đầu ra có cấu trúc (hỗ trợ gọi hàm)
Cửa sổ ngữ cảnh	128,000 token.
Số token đầu ra tối đa	16,384 (được ghi trong danh sách gpt-audio liên quan).
Mức hiệu năng	Mức thông minh cao hơn; Tốc độ trung bình (cân bằng).
Hồ sơ độ trễ	Tối ưu cho tương tác giọng nói (độ trễ trung bình/thấp tùy endpoint).
Khả dụng	Chat Completions API (audio in/out) và playground của nền tảng; tích hợp trên các bề mặt realtime/giọng nói chính thức.
Ghi chú an toàn / sử dụng	Hàng rào bảo vệ cho nội dung giọng nói; xử lý đầu ra của mô hình theo tiêu chuẩn an toàn và xác minh thông thường cho agent giọng nói trong sản xuất.

Lưu ý: gpt-realtime-1.5 là biến thể thời gian thực liên quan chặt chẽ, ưu tiên âm thanh/giọng nói, được tối ưu cho độ trễ thấp hơn và các phiên realtime; xem so sánh bên dưới.

gpt-audio-1.5 là gì?

Các tính năng chính

Hỗ trợ giọng nói vào/ra: Xử lý đầu vào dạng lời nói và trả về phản hồi dạng giọng nói hoặc văn bản cho luồng hội thoại tự nhiên.
Ngữ cảnh lớn cho quy trình âm thanh: Hỗ trợ ngữ cảnh rất lớn (ghi nhận 128k token), cho phép nhiều lượt thoại, lịch sử hội thoại dài hoặc phiên đa phương thức lớn.
Tương thích Streaming & Chat Completions: Hoạt động trong Chat Completions với phản hồi âm thanh dạng streaming và đầu ra có cấu trúc qua lời gọi hàm.
Hiệu năng/độ trễ cân bằng: Điều chỉnh để cung cấp phản hồi âm thanh chất lượng cao ở thông lượng trung bình—phù hợp cho chatbot và trợ lý giọng nói nơi chất lượng quan trọng.
Hệ sinh thái & tích hợp: Được hỗ trợ trong playground của nền tảng và khả dụng trên các endpoint realtime/giọng nói chính thức cùng tích hợp đối tác (ghi chú Azure/Microsoft Foundry tham chiếu các mô hình âm thanh tương tự).

gpt-audio-1.5 so với các mô hình âm thanh liên quan

Thuộc tính	gpt-audio-1.5	gpt-realtime-1.5
Trọng tâm chính	Âm thanh vào/ra chất lượng cao cho Chat Completions và các luồng hội thoại.	S2S thời gian thực (speech-to-speech) với độ trễ thấp hơn cho agent giọng nói trực tiếp và các kịch bản streaming.
Cửa sổ ngữ cảnh	128k tokens.	32k tokens (biến thể realtime được ghi nhận).
Số token đầu ra tối đa	16,384 (được ghi nhận).	Thường cấu hình cho phản hồi thời gian thực ngắn hơn (tài liệu liệt kê số token tối đa nhỏ hơn).
Phù hợp nhất	Chatbot, trợ lý hỗ trợ giọng nói nơi cần đầy đủ ngữ nghĩa chat + âm thanh.	Agent giọng nói trực tiếp, kiosk và giao diện hội thoại độ trễ thấp.

Trường hợp sử dụng tiêu biểu

Agent giọng nói hội thoại cho hỗ trợ khách hàng và bàn trợ giúp nội bộ.
Trợ lý hỗ trợ giọng nói được nhúng trong ứng dụng, thiết bị và kiosk.
Quy trình rảnh tay (nhập liệu bằng giọng nói, tìm kiếm bằng giọng nói, hỗ trợ tiếp cận).
Trải nghiệm đa phương thức kết hợp âm thanh với văn bản/hình ảnh thông qua Chat Completions.

Giới hạn & lưu ý vận hành

Không phải giải pháp thay thế trực tiếp cho kiểm thử chất lượng do con người: Luôn xác thực đầu ra giọng nói và các hành động hạ nguồn bằng rà soát của con người trong quy trình sản xuất.
Lập kế hoạch tài nguyên: Ngữ cảnh lớn và I/O âm thanh có thể tăng tải tính toán và độ trễ—hãy thiết kế chiến lược streaming/chia đoạn cho các phiên dài.
Ràng buộc an toàn & chính sách: Đầu ra giọng nói có thể mang tính thuyết phục; tuân thủ hướng dẫn an toàn của nền tảng và các hàng rào bảo vệ khi triển khai ở quy mô lớn.
Cách truy cập API GPT Audio 1.5

Bước 1: Đăng ký để lấy API Key

cometapi-key

Bước 2: Gửi yêu cầu đến API GPT Audio 1.5

Chèn câu hỏi hoặc yêu cầu của bạn vào trường content—đây là phần mà mô hình sẽ phản hồi. Xử lý phản hồi API để lấy câu trả lời được tạo ra.

Bước 3: Truy xuất và xác minh kết quả

Xử lý phản hồi API để lấy câu trả lời được tạo. Sau khi xử lý, API sẽ phản hồi trạng thái tác vụ và dữ liệu đầu ra.

Câu Hỏi Thường Gặp

Giá cả

Sử dụng ước tính nhanh ở trên cho một lần chạy, sau đó xem so sánh đầy đủ giữa CometAPI và giá chính thức.

Yêu cầu đầu tiên

$0.01

Chi phí sử dụng CometAPI ước tính

Mười yêu cầu

$0.1

Chi phí sử dụng CometAPI ước tính

Mười lăm yêu cầu

$0.15

Chi phí sử dụng CometAPI ước tính

Giá cả cho gpt-audio-1.5

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Đầu vào:$2/M Đầu ra:$8/M	Đầu vào:$2.5/M Đầu ra:$10/M	-20%

API

Sao chép một endpoint và ví dụ mã hoạt động, sau đó mở tài liệu tham khảo API đầy đủ khi bạn cần mọi tham số.

Một API, quyền truy cập mô hình sẵn sàng cho môi trường thực tế

Xác thực một lần, gọi endpoint mô hình và duy trì cùng một quy trình thanh toán và giám sát trên các nhà cung cấp.

POST/v1/chat/completions

Mã mẫu và API cho 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}`);

Khả năng

Xem các thông tin quan trọng của mô hình trước khi chọn kiến trúc hoặc ước tính tải cho môi trường thực tế.

Khả năng được hỗ trợ

Các tính năng được API mô hình hiện tại trả về.

text-to-speech

Đầu vào và đầu ra

Đầu vào

text

Đầu ra

audio

Hồ sơ môi trường thực tế

Nhà cung cấp: OpenAI
Bối cảnh: Tùy theo mô hình
Sử dụng thương mại: Được hỗ trợ

Trường hợp sử dụng

Tạo giọng nói, âm nhạc và âm thanh

Trải nghiệm giọng nói và sản xuất truyền thông

Quy trình âm thanh tự động ở quy mô lớn

Mô hình khác

So sánh các mô hình khác có sẵn qua CometAPI theo chất lượng, độ trễ, khả năng và giá cả.

Mô hình giọng nói tốt nhất cho đầu vào âm thanh, đầu ra âm thanh.

Xem mô hình

OpenAI

TTS

OpenAI Text-to-Speech

Kling chuyển đổi video sang âm thanh

Xem mô hình

Uptime

Xem dữ liệu heartbeat trực tiếp, tính khả dụng của endpoint và thời gian phản hồi thực đo trước khi triển khai thực tế.

Tiếp tục khám phá