模型详情
GPT-Audio
OpenAI 提供了一个通过聊天 API 进行对话的模型，用于音频输入和输出。
模型规格
- 模型 ID
-
gpt-audio
- 上下文长度
- 128K
- 最大输出
- 16.384K
- 输入/输出模态
- 发布日期
- 2026-01
02
API 端点
单一 MixRoute 网关，OpenAI 兼容
-
OpenAI-compatible
/v1/chat/completionsPOST
03
价格
固定费率，单位：/1M Tokens
输入
$2.5000 /1M Tokens
补全
$10.0000 /1M Tokens
音频输入
$40.0000 /1M Tokens
音频补全
$5.0000 /1M Tokens
05
选型摘要
快速判断是否适合你的工作负载
这个模型适合什么？
语音模型；输入：文本、语音；输出：文本、语音
gpt-audio 是语音模型。目前公开资料未列出 context window 与输出上限，建议以供应商文档为准。
使用前应检查什么？
确认规格、费率与可用性
采用 gpt-audio 前，音频输入价为 $40.0000／100 万 Token；已声明支持工具调用、流式输出、OpenAI SDK 兼容；知识库截止时间为 2023-10-01；发布于 2026-01-19。建议先以具有代表性的流量试跑，确认质量与延迟。
为什么通过 MixRoute 使用？
gpt-audio 在同一条路由支持工具与结构化输出
工具调用与结构化输出同样走这条路由。MixRoute 以 OpenAI 兼容端点 /v1/chat/completions 提供 gpt-audio；既有客户端只需指向 https://api.mixroute.ai/v1 并把模型 ID 换成 gpt-audio，再跑一次集成测试即可。
07
能力与兼容性
未确认的能力保持“Unknown”，不做猜测
工具调用
gpt-audio 支持函数调用与工具调用。
tools 定义；响应会返回 tool_calls，执行后再把结果送回模型。
流式输出
gpt-audio 支持流式响应。
stream: true 会逐步流式返回 Token，聊天界面可以边接收边渲染。
OpenAI SDK
通过 MixRoute 的 OpenAI 兼容端点调用 gpt-audio。
base_url 改为 https://api.mixroute.ai/v1；其余部分遵循 OpenAI 风格。
08
Token 成本估算
基于本页价格的实时估算，非实际账单
此模型没有缓存读取价格，不计算缓存费用
09
FAQ
gpt-audio 是 OpenAI 首个公开发布的音频模型。它接受音频输入和输出，并可用于聊天补全 REST API。
单一端点，可验证的决策
使用相同的请求格式测试此模型和备用路由
从真实工作负载开始，再由质量、总成本和故障条件决定是否接入生产流量。