gpt-audio-mini

openaiopenai/gpt-audio-mini

Cost-efficient version of GPT Audio.

官方 gpt-audio-mini 模型主页 ↗音频与语音指南 ↗OpenRouter — gpt-audio-mini ↗

GPT Audio Mini（gpt-audio-mini）是 OpenAI 面向 Chat Completions API 的经济型音频模型，于 2026 年 1 月与完整版 gpt-audio 一同发布。它拥有与大型版本相同的升级解码器、多轮音频对话以及 base64 编码的音频输入/输出能力，但每 token 成本降低约 75%，是高流量语音应用中关注单次调用成本的实用选择。

与 gpt-audio 一样，gpt-audio-mini 支持在单个 HTTP Chat Completions 调用中混合文本和音频模态。开发者可以发送音频（通过 base64 编码的 WAV/MP3）与文本，并在响应中接收一种或两种模态。mini 版本共享相同的 128K 上下文窗口、工具/函数调用支持和流式能力——区别纯粹体现在模型规模上，反映在输出质量较低但成本大幅降低。

适合使用

• 对成本敏感的语音聊天机器人部署，每次请求的音频预算至关重要
• 高容量音频内容分析流程（语音笔记摘要、通话记录处理）
• 简单的语音转文字 + 文字转语音应用，不需要超低延迟
• 在扩展到完整的 gpt-audio 或 gpt-audio-1.5 之前，用于原型设计和测试音频功能

不适合使用

• 低延迟实时语音到语音（500ms 以下）——通过 WebRTC/Realtime API 使用 gpt-realtime-mini
• 需要顶级音频质量或语音一致性的应用——使用 gpt-audio 或 gpt-audio-1.5
• 纯文本聊天——纯文本模型（gpt-5.5、gpt-5.4-mini）更便宜
• 专用转写流程——gpt-4o-mini-transcribe 是专为仅语音转文本设计的，更便宜

上下文长度

最大输出

输入价格每百万 tokens

$0.648每百万 Tokens

输出价格每百万 tokens

$2.59每百万 Tokens

模态能力

文本音频→文本音频

价格明细

类型	费率
输入	$0.648 每百万 Tokens
输出	$2.59 每百万 Tokens
Audio input	$10.80 每百万 Tokens
Audio output	$21.60 每百万 Tokens

支持参数

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatmodalitiesaudio

模型规格

发布日期	2026 年 1 月 19 日Design for Online / OpenRouter ↗	已核实
上下文窗口	128,000 tokensOpenRouter ↗	已核实
最大输出长度	16,384 tokensOpenRouter ↗	已核实
支持的模态	输入：文本、音频；输出：文本、音频developers.openai.com ↗	已核实
支持的能力	工具、函数调用、response_format、流式、音频platform.openai.com ↗	已核实
许可	专有许可（OpenAI API 服务条款）	已核实

基准成绩

Benchmark	Distribution	Score	Source
Audio quality (upgraded decoder) gpt-audio-mini 使用与 gpt-audio 相同的升级解码器，声音更自然、语音一致性更好，但压缩了模型规模以节省成本。mini 版本没有已发布的基准测试分数。		Upgraded decoder — same gpt-audio base with reduced scale	Design for Online ↗

API 使用示例

所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。

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-mini",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

API 使用指南

完整 API 参考 →

音频 Chat 调用

在消息内容中发送 base64 编码的 WAV/MP3 音频。模型用文本和/或音频回复——API 模式与 gpt-audio 相同，仅价格更低。

cURL

curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-audio-mini",
    "modalities": ["text", "audio"],
    "audio": { "voice": "alloy", "format": "wav" },
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "What does this audio say?" },
          { "type": "input_audio", "input_audio": { "data": "<BASE64_AUDIO>", "format": "wav" } }
        ]
      }
    ]
  }'

openai 其他模型

openai/gpt-audio全尺寸 GPT Audio，质量更高，API 模式相同 openai/gpt-audio-1.5增强版，支持图像输入，音频质量更高 openai/gpt-realtime-mini通过 WebRTC/Realtime API 实现经济型实时语音到语音 openai/gpt-4o-mini-transcribe低成本专用语音转文本（转写）模型

动态与变更

2026-01-19

OpenAI 发布 gpt-audio 和 gpt-audio-mini

OpenAI 发布了两款支持音频的 Chat Completions 模型：gpt-audio（完整版）和 gpt-audio-mini（经济版）。两者都采用了升级解码器，相比之前的 gpt-4o-audio-preview 声音更自然。mini 版本每 token 定价低约 75%，面向高流量语音应用。

TheRouter 编辑重写Design for Online / OpenRouter ↗

常见问题

gpt-audio-mini 与 gpt-audio 有什么区别？

gpt-audio-mini 是 gpt-audio 的更小、更具成本效益的变体。两者共享相同的升级解码器、128K 上下文窗口、工具调用和音频输入/输出模态。mini 模型产生的音频输出质量较低，但每 token 成本约低 75%（输入文本 $0.15/M + 音频 $10/M，而 gpt-audio 为 $2.50/M + $100/M）。

TheRouter 编辑重写

我可以将 gpt-audio-mini 用于低延迟实时对话吗？

不能。gpt-audio-mini 使用基于 HTTP 的 Chat Completions API，专为请求-响应模式设计。对于低于 500ms 的实时语音对话，请改用 gpt-realtime-mini（通过 OpenAI Realtime API / WebRTC）。