gpt-audio-1.5

openaiopenai/gpt-audio-1.5

Best voice model for audio in, audio out with Chat Completions.

Документация модели — GPT Audio 1.5 ↗Azure Foundry — каталог модели GPT Audio 1.5 ↗Новые модели Azure OpenAI (анонс февраля 2026) ↗Деприкейшн OpenAI — деприкейшн gpt-4o-audio-preview ↗

GPT Audio 1.5 — это общедоступная аудио-нативная модель OpenAI, первая модель GPT Audio без суффикса '-preview', рекомендованная в качестве замены для production-вариантов gpt-4o-audio-preview и gpt-4o-mini-audio-preview. Выпущенная в феврале 2026 года вместе со своим realtime-собратом gpt-realtime-1.5, модель доступна через стандартный Chat Completions REST API на api.therouter.ai/v1 с тем же набором параметров modalities и audio. Модель принимает аудиовход и за один цикл генерирует как текстовую расшифровку, так и аудиовыход в base64, устраняя необходимость в отдельных пайплайнах Whisper и TTS.

С точки зрения маршрутизации TheRouter, gpt-audio-1.5 — важная веха: это первая полностью GA аудио-модель OpenAI, что означает гарантии production-стабильности, отсутствие внезапных деприкейшнов в том же году и значительно более низкие цены по сравнению с эпохой preview gpt-4o-audio-preview ($40/80 против $100/200 за миллион аудио-токенов — снижение на 60%). Модель также улучшает gpt-audio (первый GA snapshot от января 2026) с улучшенным следованием инструкциям, лучшим качеством многоязычной речи и повышенной надёжностью вызова инструментов. Для пользователей TheRouter она заменяет как gpt-4o-audio-preview (деприкейшн май 2026), так и gpt-audio (оригинальный GA snapshot) в качестве модели по умолчанию для аудио-ввода/вывода в Chat Completions.

Когда выбирать

• Production voice-in/voice-out приложения — голосовые заметки, аудиосообщения, генерация контента в стиле подкастов и системы IVR с гарантиями стабильности GA
• Аудио-суммаризация с улучшенным следованием инструкциям — длинные аудиозаписи транскрибируются, суммаризируются и структурируются (метки говорящих, пункты действий) одним вызовом API
• Многоязычные голосовые приложения — улучшенная точность для неанглийских языков делает модель подходящей для японских, индийских и европейских голосовых рабочих процессов
• Вызов инструментов из голоса — устные жалобы или запросы клиентов могут запускать структурированные инструменты (создание тикета, эскалация, поиск по базе знаний) одним запросом с повышенной надёжностью по сравнению с preview-моделью

Когда не выбирать

• Разговорный AI реального времени с задержкой аудио-к-аудио <200 мс — используйте gpt-realtime-1.5 на TheRouter (Realtime API через WebSocket) для постоянных низколатентных соединений
• Чисто текстовые задачи — стандартные текстовые модели GPT-4o или GPT-4o Mini дешевле ($4/$16 против $2,50/$10 за миллион текстовых токенов у GPT-4o Mini) без накладных расходов аудио-модальности
• Потоковая транскрипция больших объёмов — используйте gpt-4o-transcribe или gpt-4o-mini-transcribe на TheRouter для специализированных задач распознавания речи по значительно более низкой цене

Чем обслуживание в TheRouter отличается от вендорского

Как её эксплуатирует вендор

OpenAI обслуживает GPT Audio 1.5 через Chat Completions API для audio-in/audio-out запросов с теми же параметрами modalities и audio, которые описаны для vendor endpoint.

На TheRouter

TheRouter предоставляет тот же контракт Chat Completions на https://api.therouter.ai/v1: измените только base URL, API key и model id на openai/gpt-audio-1.5. Эта страница не подразумевает realtime WebSocket behavior.

developers.openai.com ↗

Размер контекста

Максимальный вывод

Цена Входза 1M токенов

$4.32за 1 млн токенов

Цена Выходза 1M токенов

$17.28за 1 млн токенов

Модальности

ТекстАудиоИзображение→ТекстАудио

Возможности

Зрение

Разбивка цен

Тип	Ставка
Вход	$4.32 за 1 млн токенов
Выход	$17.28 за 1 млн токенов
Audio input	$34.56 за 1 млн токенов
Audio output	$69.12 за 1 млн токенов
Image input	$5.40 за 1 млн токенов

Поддерживаемые параметры

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatmodalitiesaudio

Характеристики

Дата релиза	2026-02-23 (вместе с gpt-realtime-1.5)learn.microsoft.com ↗	проверено
Статус	General availability (GA) — заменяет gpt-4o-audio-preview и gpt-4o-mini-audio-preview; они деприкейтнуты 2026-05-07developers.openai.com ↗	проверено
Дата отсечения данных	Не раскрыто	неизвестно
Модальность вывода	Аудио + текст (двойной вывод через параметр modalities); форматы wav, mp3, flac, opus, pcm16, aaclearn.microsoft.com ↗	проверено
Поддерживаемые голоса	Alloy, Ash, Ballad, Coral, Echo, Sage, Shimmer, Verse, Marin, Cedar (10 голосов)learn.microsoft.com ↗	проверено
Макс. размер аудиофайла	20 МБ на входной аудиофайлlearn.microsoft.com ↗	проверено
Tool / function calling	Поддерживается — повышенная надёжность по сравнению с gpt-4o-audio-previewtechcommunity.microsoft.com ↗	проверено
Структурированный вывод (JSON)	Не раскрыто публично для этой аудио-модели	неизвестно
Лицензия	OpenAI Terms of Service (проприетарная, только API)	проверено

Бенчмарки

Benchmark	Distribution	Score	Source
Big Bench Audio Материалы OpenAI и Azure описывают улучшения GPT Audio 1.5 в следовании инструкциям, многоязычном аудио и вызове инструментов, но не публикуют отдельный результат Big Bench Audio для этой модели Chat Completions.	—	Не раскрыто	—
Multilingual WER reduction Публикация Azure Foundry сообщает, что GPT Audio 1.5 улучшает многоязычное качество аудио, включая японский и индийские языки, но не раскрывает точные WER или показатели точности.	—	Не раскрыто	—
Tool calling accuracy Публикация Azure Foundry называет улучшенное следование инструкциям и более надёжный вызов инструментов среди улучшений GPT Audio 1.5, но не раскрывает pass rate или benchmark score.	—	Не раскрыто	—

Примеры API

Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.

cURL

curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "openai/gpt-audio-1.5",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

Гид по API

Полный API-справочник →

Чат с аудио-вводом/выводом

Аудиочат через OpenAI-совместимый эндпоинт TheRouter — укажите параметры modalities и audio для получения голосового ответа.

cURL

# Encode audio to base64 first:
# AUDIO_B64=$(base64 -i input.mp3)

curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-audio-1.5",
    "modalities": ["text", "audio"],
    "audio": {"voice": "alloy", "format": "wav"},
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "What is in this audio recording?"},
          {"type": "input_audio", "input_audio": {"data": "'"$AUDIO_B64"'", "format": "mp3"}}
        ]
      }
    ]
  }'

Ещё от openai

openai/gpt-realtime-1.5Аудио-разговор в реальном времени через WebSocket с задержкой <200 мс openai/gpt-audioОригинальный GA snapshot GPT Audio (январь 2026)openai/gpt-audio-miniБолее дешёвая аудио-модель для простых голосовых задач openai/gpt-4o-transcribeСпециализированная модель распознавания речи для транскрипции больших объёмов openai/gpt-4o-mini-ttsСпециализированная модель синтеза речи для высококачественного голоса

Новости и изменения

2026-02-23

OpenAI выпускает gpt-audio-1.5 и gpt-realtime-1.5

OpenAI выпустила gpt-audio-1.5 в Chat Completions API и gpt-realtime-1.5 в Realtime API 23 февраля 2026. Обе модели предлагают улучшенное следование инструкциям, многоязычную производительность и надёжность вызова инструментов. gpt-audio-1.5 стала первой полностью GA моделью GPT Audio, заменив gpt-4o-audio-preview со значительно более низкими ценами ($40/$80 против $100/$200 за миллион аудио-токенов). gpt-4o-audio-preview и gpt-4o-mini-audio-preview деприкейтнуты 7 мая 2026.

переработано TheRouterlearn.microsoft.com ↗

Частые вопросы

Чем gpt-audio-1.5 отличается от gpt-4o-audio-preview?

gpt-audio-1.5 — это общедоступный преемник gpt-4o-audio-preview. Ключевые отличия: (1) статус GA с гарантиями production-стабильности вместо 'preview'; (2) значительно более низкие цены на аудио-токены ($40/$80 против $100/$200 за миллион); (3) улучшенное следование инструкциям, многоязычная точность и надёжность вызова инструментов. Параметры API идентичны — нужно только изменить имя модели. gpt-4o-audio-preview деприкейтнут 7 мая 2026.

переработано TheRouterdevelopers.openai.com ↗

Могу ли я использовать gpt-audio-1.5 на TheRouter сегодня?

Да. gpt-audio-1.5 полностью доступна на TheRouter через стандартный OpenAI-совместимый эндпоинт /v1/chat/completions на api.therouter.ai/v1. Просто установите имя модели 'openai/gpt-audio-1.5' в вашем существующем коде. API принимает те же параметры modalities и audio, что и gpt-4o-audio-preview — изменений миграции, кроме ID модели, не требуется.

Какие аудиоформаты поддерживает gpt-audio-1.5?

GPT Audio 1.5 поддерживает входное аудио в форматах wav, mp3, flac, opus, pcm16 и aac. Аудиовход передаётся как данные в base64 в части содержимого input_audio. Максимальный размер входного аудиофайла — 20 МБ. Аудиовыход возвращается в виде данных base64 в указанном формате (по умолчанию wav). Модель выводит как текстовую расшифровку, так и аудио, когда modalities включает и 'text', и 'audio'.

переработано TheRouterlearn.microsoft.com ↗

Как перейти с gpt-4o-audio-preview на gpt-audio-1.5?

Миграция проста: измените имя модели с 'openai/gpt-4o-audio-preview' на 'openai/gpt-audio-1.5' в ваших API-запросах. Других изменений параметров не требуется — API modalities, audio и вызова инструментов идентичны. Новая модель дешевле ($40/$80 против $100/$200 за миллион аудио-токенов для текст+аудио, и $4/$16 против $2,50/$10 для только текста). Gpt-4o-audio-preview деприкейтнут 7 мая 2026, миграция настоятельно рекомендуется.

переработано TheRouterdevelopers.openai.com ↗

Реестр фактов — каждая утверждаемая величина имеет источник

источник	URL	получено
Дата релиза	learn.microsoft.com ↗	2026-08-18	проверено
Статус	developers.openai.com ↗	2026-08-18	проверено
Дата отсечения данных	—	—	неизвестно
Модальность вывода	learn.microsoft.com ↗	2026-08-18	проверено
Поддерживаемые голоса	learn.microsoft.com ↗	2026-08-18	проверено
Макс. размер аудиофайла	learn.microsoft.com ↗	2026-08-18	проверено
Tool / function calling	techcommunity.microsoft.com ↗	2026-08-18	проверено
Структурированный вывод (JSON)	—	—	неизвестно
Лицензия	—	—	проверено
Big Bench Audio	techcommunity.microsoft.com ↗	2026-08-18	неизвестно
Multilingual WER reduction	techcommunity.microsoft.com ↗	2026-08-18	неизвестно
Tool calling accuracy	techcommunity.microsoft.com ↗	2026-08-18	неизвестно
OpenAI выпускает gpt-audio-1.5 и gpt-realtime-1.5	learn.microsoft.com ↗	2026-08-18	проверено
Чем gpt-audio-1.5 отличается от gpt-4o-audio-preview?	developers.openai.com ↗	2026-08-18	к проверке
Какие аудиоформаты поддерживает gpt-audio-1.5?	learn.microsoft.com ↗	2026-08-18	к проверке
Как перейти с gpt-4o-audio-preview на gpt-audio-1.5?	developers.openai.com ↗	2026-08-18	к проверке

gpt-audio-1.5

Чем обслуживание в TheRouter отличается от вендорского

Модальности

Возможности

Разбивка цен

Поддерживаемые параметры

Характеристики

Бенчмарки

Примеры API

Гид по API

Чат с аудио-вводом/выводом

Ещё от openai

Похожие модели

Новости и изменения

OpenAI выпускает gpt-audio-1.5 и gpt-realtime-1.5

Частые вопросы