如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题

在 Chat Completions 中使用音频

为现有的 Chat Completions 应用添加音频输入和输出功能。

如果您已经使用 Chat Completions 端点 构建了基于文本的 LLM 应用,可以为它添加音频功能。例如,如果您的聊天应用支持文本输入,可以按以下方式添加音频输入和输出功能:将 audio 加入 modalities 数组,并使用音频模型,例如 gpt-audio-1.5。

Responses API 文档目前介绍了如何输入文本和图像并获得文本输出。要实现这里的音频聊天功能,请在 Chat Completions 中使用支持音频的模型。

根据提示词生成接近真人说话效果的语音回复
import { writeFileSync } from "node:fs";
import OpenAI from "openai";

const openai = new OpenAI();

// Generate an audio response to the given prompt
const response = 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?",
    },
  ],
  store: true,
});

// Inspect returned data
console.log(response.choices[0]);

// Write audio data to a file
const audio = response.choices[0].message.audio;
if (!audio) throw new Error("The response did not include audio.");
writeFileSync("dog.wav", Buffer.from(audio.data, "base64"), {
  encoding: "utf-8",
});