{"id":20169,"date":"2026-09-30T03:22:22","date_gmt":"2026-09-30T07:22:22","guid":{"rendered":"https:\/\/wp.glbgpt.com\/?p=20169"},"modified":"2026-09-30T03:22:23","modified_gmt":"2026-09-30T07:22:23","slug":"openai-audio-api","status":"publish","type":"post","link":"https:\/\/wp.glbgpt.com\/de\/hub\/openai-audio-api","title":{"rendered":"OpenAI Audio-API: Funktionen, Preise und Anwendung"},"content":{"rendered":"

AUDIO-API-HANDBUCH \u00b7 AKTUALISIERT AM 29. SEPTEMBER 2026<\/p>\n\n\n\n

M\u00f6chten Sie eine Aufnahme in Text umwandeln, ein Video mit einem Voice-Over versehen oder Ihren Kunden die M\u00f6glichkeit geben, mit einem KI-Assistenten zu sprechen? Die OpenAI-Audio-API<\/strong> bietet Entwicklern verschiedene M\u00f6glichkeiten zur Sprachverarbeitung, wobei f\u00fcr jeden Auftrag ein anderes Modell, eine andere Anfrage und eine andere Abrechnungseinheit zum Einsatz kommen.<\/p>\n\n\n\n

Beginnen Sie mit der Aufgabe, die Sie erledigen m\u00f6chten. Im Folgenden finden Sie die wichtigsten Endpunkte, die derzeit verf\u00fcgbaren Modelloptionen, Python-Beispiele und Preisberechnungen. Falls Ihre App au\u00dferdem Stimmen, Chat-Modelle, Bilder oder Videos anderer Anbieter ben\u00f6tigt, dann GlobalGPT-API<\/a> bietet einen weiteren Ansatz: einen einzigen API-Zugangspunkt, \u00fcber den Audioaufgaben neben diesen Diensten ausgef\u00fchrt werden k\u00f6nnen.<\/p>\n\n\n\n

\n

Kurze Antwort:<\/strong> Verwenden Sie OpenAI\u2019s \/v1\/audio\/transkriptionen<\/code> bei aufgezeichneter Sprache, \/v1\/audio\/speech<\/code> f\u00fcr synthetische Sprache und \/v1\/audio\/\u00dcbersetzungen<\/code> zur \u00dcbersetzung von Audioaufnahmen in englischen Text. F\u00fcr ein laufendes Gespr\u00e4ch w\u00e4hlen Sie eine Live-Sprach-Sitzung. GlobalGPT bietet au\u00dferdem eine Audio-Task-API mit einem eigenen Modellkatalog und einem eigenen Anfrageformat.<\/p>\n<\/div>\n\n\n\n

\n

Auf dieser Seite<\/strong><\/p>\n\n\n\n

    \n
  1. Was ist die OpenAI-Audio-API?<\/a><\/li>\n\n\n\n
  2. W\u00e4hlen Sie einen Endpunkt und ein Modell aus<\/a><\/li>\n\n\n\n
  3. Erste Schritte mit Python-Beispielen<\/a><\/li>\n\n\n\n
  4. Die Preisgestaltung der Audio-API verstehen<\/a><\/li>\n\n\n\n
  5. Nutzen Sie die GlobalGPT-API f\u00fcr Audio und mehr<\/a><\/li>\n\n\n\n
  6. Vermeiden Sie h\u00e4ufige Fehler bei der Einrichtung<\/a><\/li>\n\n\n\n
  7. W\u00e4hlen Sie die richtige Route<\/a><\/li>\n\n\n\n
  8. H\u00e4ufig gestellte Fragen<\/a><\/li>\n<\/ol>\n<\/div>\n\n\n\n

    Was ist die OpenAI-Audio-API?<\/h2>\n\n\n\n

    Die OpenAI-Audio-API ist eine Sammlung von Entwickler-Schnittstellen zur Verarbeitung und Erzeugung von Sprache. Ihre Anwendung sendet Text oder Audio an OpenAI, w\u00e4hlt ein Modell aus und erh\u00e4lt im Gegenzug gesprochene Audioinhalte oder Text zur\u00fcck. Sie kann als Grundlage f\u00fcr eine Transkriptions-App, einen vorgelesenen Artikel, ein Untertitel-Tool oder die Sprachfunktionen eines gr\u00f6\u00dferen Assistenten dienen.<\/p>\n\n\n\n

    OpenAIs Audio-API-Referenz<\/a> trennt Sprachgenerierung, Transkription und \u00dcbersetzung voneinander. Dies sind n\u00fctzliche Bausteine: Die Transkription wandelt eine Aufnahme in W\u00f6rter um; ein separates Textmodell kann diese W\u00f6rter in eine Zusammenfassung umwandeln, und ein Sprachmodell kann die Zusammenfassung vorlesen.<\/p>\n\n\n\n

    Drei Anfragen, drei unterschiedliche Ergebnisse<\/h3>
    \n

    Aufnahme \u2192 Transkript<\/strong><\/p>

    Interview, Besprechung, Vortrag oder Sprachaufzeichnung<\/p>

    \/audio\/Transkriptionen<\/code><\/p><\/div>\n

    Skript \u2192 gesprochene Tonaufnahme<\/strong><\/p>

    Sprechertext, Audio f\u00fcr Barrierefreiheit oder eine App-Antwort<\/p>

    \/audio\/Sprache<\/code><\/p><\/div>\n

    Fremdsprachige Aufnahme \u2192 englischer Text<\/strong><\/p>

    Eine englische \u00dcbersetzung der aufgezeichneten Rede<\/p>

    \/audio\/\u00dcbersetzungen<\/code><\/p><\/div>\n<\/div>

    OpenAI \u2013 dateibasierte Audioaufgaben. F\u00fcr ein Live-Gespr\u00e4ch in beide Richtungen ist eine separate, sitzungsbasierte Sprachintegration erforderlich.<\/figcaption><\/figure>\n\n\n\n

    ChatGPT ist eine Anwendung, die Sie direkt nutzen k\u00f6nnen; \u00fcber die API k\u00f6nnen Sie Modelle in Ihre eigene Anwendung integrieren. Wenn Sie nur mit ChatGPT kommunizieren m\u00f6chten, beginnen Sie mit ChatGPT Sprachzugang und Beschr\u00e4nkungen<\/a>. Ein API-Projekt erfordert ein eigenes Budget f\u00fcr die Einrichtung und Nutzung.<\/p>\n\n\n\n

    Welchen Audio-Endpunkt und welches Modell sollten Sie verwenden?<\/h2>\n\n\n\n

    W\u00e4hlen Sie die f\u00fcr Ihre Anwendung geeignete Ausgabeform aus. Eine Untertiteldatei, ein Transkript mit Sprecherangaben und ein Live-Gespr\u00e4ch sind unterschiedliche Ergebnisse, auch wenn alle drei damit beginnen, dass jemand spricht.<\/p>\n\n\n\n

    \n
    Deine Aufgabe<\/th>Strecke OpenAI<\/th>Modell oder Ausgangspunkt<\/th>Wichtiges Detail<\/th><\/tr><\/thead>
    Eine fertige Aufnahme transkribieren<\/td>\/v1\/audio\/transkriptionen<\/code><\/td>gpt-transcribe<\/code><\/td>Der von OpenAI empfohlene Ausgangspunkt f\u00fcr die Transkription von Audiodateien; bewahrt die gesprochene Sprache.<\/td><\/tr>\n
    Aus Text eine Erz\u00e4hlung generieren<\/td>\/v1\/audio\/speech<\/code><\/td>gpt-4o-mini-tts<\/code><\/td>W\u00e4hlen Sie eine Stimme aus und geben Sie Anweisungen zur Sprechweise, z. B. einen ruhigen Tonfall oder ein langsameres Sprechtempo.<\/td><\/tr>\n
    Eine Aufnahme ins Englische \u00fcbersetzen<\/td>\/v1\/audio\/\u00dcbersetzungen<\/code><\/td>fl\u00fcstern-1<\/code><\/td>Gibt englischen Text zur\u00fcck. F\u00fcr dieses Modell ist eine planm\u00e4\u00dfige Ausmusterung vorgesehen; siehe den untenstehenden Hinweis zur Migration.<\/td><\/tr>\n
    Segmente mit Sprecherangaben abrufen<\/td>\/v1\/audio\/transkriptionen<\/code><\/td>gpt-4o-transcribe-diarize<\/code><\/td>Anfrage diarized_json<\/code>. Auch dieses Modell wird aus dem Sortiment genommen.<\/td><\/tr>\n
    Live-Untertitel anzeigen<\/td>Echtzeit-Transkriptionssitzung<\/td>gpt-live-transcribe<\/code><\/td>Verarbeitet eingehendes Audiomaterial, ohne dass ein Assistent zur\u00fcckspricht.<\/td><\/tr>\n
    Eine fortlaufende Sprachkonversation aufbauen<\/td>GPT-Live-Sitzung<\/td>gpt-live-1<\/code><\/td>Kann w\u00e4hrend des Gespr\u00e4chs zuh\u00f6ren und Aufgaben an einen Backend-Mitarbeiter delegieren.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n

    Der aktuelle Leitfaden zur Transkription von Akten<\/a> empfiehlt gpt-transcribe<\/code> f\u00fcr normale Aufnahmen. F\u00fcr ein Podcast-Transkript fangen Sie dort an. Wenn Sie Zeitstempel f\u00fcr einzelne W\u00f6rter oder Untertitelformate ben\u00f6tigen, pr\u00fcfen Sie vor der Auswahl eines Modells die modellspezifischen Optionen; die Unterst\u00fctzung variiert.<\/p>\n\n\n\n

    \n

    Migrationstermin, der bei der Planung zu ber\u00fccksichtigen ist:<\/strong> OpenAI-Listen fl\u00fcstern-1<\/code>, gpt-4o-transcribe<\/code>, gpt-4o-mini-transcribe<\/code>, und gpt-4o-transcribe-diarize<\/code> zur Stilllegung der API am 26. Februar 2027<\/strong>. Bestehende Integrationen f\u00fcr \u00dcbersetzung, Untertitel und Diarisierung sollten den offizielle Leitlinien zur Ausmusterung<\/a> anstatt davon auszugehen, dass ein neues Modell jeden alten Parameter \u00fcbernimmt.<\/p>\n<\/div>\n\n\n\n

    Das Streamen von Sprache unterscheidet sich von einem Live-Gespr\u00e4ch<\/h3>\n\n\n\n

    Beim Streaming von Text-to-Speech wird die Wiedergabe einer Antwort bereits gestartet, bevor die Generierung der gesamten Audiodatei abgeschlossen ist. Diese Funktion erm\u00f6glicht es Ihrer App jedoch nicht, Unterbrechungen durch den Benutzer zu erkennen oder einen laufenden Anruf zu verwalten. Ebenso wird durch das Streaming eines Transkripts aus einer fertigen Datei keine Live-Mikrofonsitzung eingerichtet.<\/p>\n\n\n\n

    F\u00fcr eine neue App mit Sprachassistenz bietet OpenAI Audio- und Sprachf\u00fchrung<\/a> verweist auf GPT-Live. Das Sprachmodell \u00fcbernimmt die Konversation, w\u00e4hrend ein Backend-Agent Recherchen durchf\u00fchrt oder Tools nutzt. Die Echtzeit-API bleibt eine separate Option, wenn Sie deren Sitzungs- und Tool-Modell ben\u00f6tigen.<\/p>\n\n\n\n

    So verwenden Sie die OpenAI-Audio-API<\/h2>\n\n\n\n

    Erstellen Sie f\u00fcr die folgenden Beispiele ein OpenAI-API-Projekt, konfigurieren Sie die API-Abrechnung und speichern Sie Ihren Schl\u00fcssel in der OPENAI_API_KEY<\/code> Umgebungsvariable auf Ihrem Server oder Ihrem lokalen Entwicklungsrechner. Installieren Sie das Python-SDK mit pip install openai<\/code>. Geben Sie keinen permanenten API-Schl\u00fcssel auf einer \u00f6ffentlichen Webseite oder in einem mobilen App-Bundle an.<\/p>\n\n\n\n

    Beginnen Sie mit einer kurzen Datei oder einem kurzen Skript, damit Sie die Antwort \u00fcberpr\u00fcfen k\u00f6nnen, bevor Sie die Anfrage in Ihre Anwendung integrieren.<\/p>\n\n\n\n

    1. Eine Aufnahme transkribieren<\/h3>\n\n\n\n

    Aufzeichnung speichern unter meeting.mp3<\/code>, f\u00fchren Sie dann dieses Skript aus demselben Ordner aus. Die zur\u00fcckgegebene Text<\/code> Es handelt sich um das Protokoll, nicht um eine Zusammenfassung der Sitzung oder eine Liste mit zu erledigenden Punkten.<\/p>\n\n\n\n

    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"meeting.mp3\", \"rb\") as audio_file:\n    transcript = client.audio.transcriptions.create(\n model=\"gpt-transcribe\",\n file=audio_file,\n    )\n\nprint(transcript.text)<\/code><\/pre>\n\n\n\n
    Bei Produktnamen oder Fachbegriffen sollten Sie den entsprechenden Kontext angeben, anstatt zu erwarten, dass das Modell die Schreibweise err\u00e4t. Der aktuelle Transkriptionsleitfaden unterst\u00fctzt Aufforderung<\/code>, sowie modellspezifische Schl\u00fcsselwort- und Sprachhinweise. Testen Sie diese Optionen anhand eines kurzen Beispiels aus den Aufzeichnungen, die Ihre App tats\u00e4chlich verarbeitet.<\/p>\n\n\n\n
    Wenn es sich bei Ihrer Quelle um ein aufgezeichnetes Demo- oder Interviewvideo handelt, finden Sie in unserem Leitfaden zu Transkription von Audio aus einem Video<\/a> erl\u00e4utert die Aufbereitung der Medien sowie die einzelnen Schritte vom Erhalt eines Transkripts bis zur Erstellung einer aussagekr\u00e4ftigen Zusammenfassung.<\/p>\n\n\n\n
    2. Ein Skript in eine Audioaufnahme umwandeln<\/h3>\n\n\n\n
    W\u00e4hlen Sie eine unterst\u00fctzte Sprachausgabe aus und beschreiben Sie die Wiedergabe. In diesem Beispiel wird eine MP3-Datei auf Ihrem Computer gespeichert; die Datei wird nicht automatisch abgespielt.<\/p>\n\n\n\n
    from pathlib import Path\nfrom openai import OpenAI\n\nclient = OpenAI()\n\nwith client.audio.speech.with_streaming_response.create(\n    model=\"gpt-4o-mini-tts\",\n    voice=\"coral\",\n    input=\"Ihre Besprechungszusammenfassung ist fertig. Hier sind die n\u00e4chsten Schritte.\",\n    instructions=\"Sprechen Sie in ruhigem, klarem Ton und in gem\u00e4chlichem Tempo.\",\n) as response:\n    response.stream_to_file(Path(\"narration.mp3\"))<\/code><\/pre>\n\n\n\n
    Die Anleitung zur Text-zu-Sprache-Funktion<\/a> Dokumentiert die Steuerung von Tonfall, Sprechgeschwindigkeit, Intonation und anderen Vortragsoptionen. MP3 ist das Standardausgabeformat; weitere unterst\u00fctzte Formate sind WAV, PCM, Opus, AAC und FLAC. Die Auswahl an Stimmen h\u00e4ngt vom jeweiligen Modell ab. Bei OpenAI muss zudem ausdr\u00fccklich darauf hingewiesen werden, dass die Stimme von einer KI generiert wurde.<\/p>\n\n\n\n
    F\u00fcr gelegentliche Sprachausgabe ziehen Sie vielleicht ein Browser-Tool dem Schreiben von Code vor. Unser Leitfaden zu Tools und Arbeitsabl\u00e4ufe f\u00fcr die Text-to-Speech-Umwandlung<\/a> behandelt diesen Prozess, einschlie\u00dflich der Punkte, die vor dem Export eines Voiceovers zu beachten sind.<\/p>\n\n\n\n
    3. Aufgezeichnete Sprache in englischen Text \u00fcbersetzen<\/h3>\n\n\n\n
    Der \u00dcbersetzungs-Endpunkt verwendet fl\u00fcstern-1<\/code> und gibt englischen Text aus. Bei einer bestehenden Integration sieht die Anfrage wie folgt aus. Ber\u00fccksichtigen Sie die Stilllegung im Februar 2027, bevor Sie eine neue langfristige Abh\u00e4ngigkeit davon aufbauen.<\/p>\n\n\n\n
    from openai import OpenAI\n\nclient = OpenAI()\n\nwith open(\"interview.mp3\", \"rb\") as audio_file:\n    translation = client.audio.translations.create(\n model=\"whisper-1\",\n file=audio_file,\n    )\n\nprint(translation.text)<\/code><\/pre>\n\n\n\n
    Diese Anfrage liefert keine englische Synchronisation. Die Synchronisation erfordert zus\u00e4tzliche Schritte, darunter die Sprachgenerierung und \u2013 je nach Projekt \u2013 die zeitliche Abstimmung sowie die Videoausrichtung. F\u00fcr die \u00dcbersetzung in eine andere Zielsprache sollten Sie einen \u00dcbersetzungsansatz verwenden, der diese Sprache ausdr\u00fccklich unterst\u00fctzt.<\/p>\n\n\n\n
    Wie viel kostet die OpenAI-Audio-API?<\/h2>\n\n\n\n
    Es gibt keinen einheitlichen Preis f\u00fcr die Audio-API. F\u00fcr die Transkription von Dateien, die Sprachausgabe und Live-Sitzungen gelten unterschiedliche Abrechnungseinheiten. Die folgenden Zahlen stammen aus Preise f\u00fcr die API von OpenAI<\/a>, abgerufen am 29. September 2026. Es handelt sich um OpenAI-Geb\u00fchren, die unabh\u00e4ngig von den GlobalGPT-Preisen sind.<\/p>\n\n\n\n
    \n
    Modell oder Dienstleistung<\/th>Ver\u00f6ffentlichte Rechnungsdaten<\/th>Beispiel f\u00fcr einen Haushaltsplan<\/th><\/tr><\/thead>
    gpt-transcribe<\/code><\/td>Gesch\u00e4tzte Kosten: $0,0045 pro Minute<\/strong><\/td>1.000 Minuten \u2248 $4.50<\/strong><\/td><\/tr>\n
    gpt-live-transcribe<\/code><\/td>Gesch\u00e4tzte Kosten: $0,017 pro Minute<\/strong><\/td>1.000 Minuten \u2248 $17.00<\/strong><\/td><\/tr>\n
    fl\u00fcstern-1<\/code> \u00b7 Auslaufendes Transkriptions-\/\u00dcbersetzungsmodell<\/td>Gesch\u00e4tzte Kosten: $0,006 pro Minute<\/strong><\/td>60 Minuten \u2248 $0.36<\/strong>; planen Sie die Migration vor dem 26. Februar 2027<\/td><\/tr>\n
    gpt-4o-mini-tts<\/code><\/td>$0,60 \/ 1 Mio. Texteingabe-Token<\/strong> plus $12 \/ 1M Audioausgangstoken<\/strong><\/td>100.000 Eingabe-Token + 100.000 Audio-Ausgabe-Token = $1.26<\/strong><\/td><\/tr>\n
    tts-1<\/code><\/td>$15 \/ 1M Zeichen<\/strong><\/td>100.000 Zeichen = $1.50<\/strong><\/td><\/tr>\n
    tts-1-hd<\/code><\/td>$30 \/ 1 Mio. Zeichen<\/strong><\/td>100.000 Zeichen = $3.00<\/strong><\/td><\/tr>\n
    gpt-live-1<\/code> Sprachaufnahmen<\/td>$0,05 pro Minute<\/strong>, Abrechnung pro Sekunde<\/td>60 Minuten = $3.00<\/strong>, sowie die Verwendung von Backend-Modellen und -Tools<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    In den Transkriptionszeilen werden die von OpenAI ver\u00f6ffentlichten gesch\u00e4tzte Kosten<\/em> Zahlen. Das Beispiel mit dem TTS-Token ist eine rechnerische Veranschaulichung auf der Grundlage von zwei angegebenen Gesamtwerten; es handelt sich dabei nicht um eine Vorhersage, dass ein Skript die gleiche Anzahl an Eingabe- und Ausgabetoken erzeugt. Zeichen, Text-Token und Audio-Token sind unterschiedliche Einheiten.<\/p>\n\n\n\n
    Ein Transkriptionsbudget von 1.000 Minuten<\/h3>
    Etwa 16 Stunden und 40 Minuten Audio, basierend auf den von OpenAI ver\u00f6ffentlichten Sch\u00e4tzwerten pro Minute.<\/p>\n
    Aufgezeichnete Dateien \u00b7 gpt-transcribe \u00b7 \u2248 $4,50<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Live-Transkription \u00b7 gpt-live-transcribe \u00b7 \u2248 $17.00<\/strong><\/p>
    <\/span><\/div><\/div>\n
    Verschiedene Eingabemodi, keine Rangliste nach Genauigkeit. Bei den Berechnungen wurden die zus\u00e4tzliche Verarbeitung durch Textmodelle, die Speicherung, das App-Hosting und Wiederholungsversuche nicht ber\u00fccksichtigt.<\/figcaption><\/figure>\n\n\n\n
    Um den Aufwand f\u00fcr ein reales Projekt abzusch\u00e4tzen, sollten Sie auch den Arbeitsaufwand nach der Transkription einkalkulieren. Ein Besprechungsassistent ben\u00f6tigt m\u00f6glicherweise ein Transkript, eine Zusammenfassung, Aktionspunkte und eine Wiedergabe der gesprochene Inhalte. Jeder Aufruf des Modells kann sich auf die Rechnung auswirken. Ein Sprachagent nutzt m\u00f6glicherweise auch Such- oder andere Tools, w\u00e4hrend das Gespr\u00e4ch weiterl\u00e4uft.<\/p>\n\n\n\n
    Speziell f\u00fcr GPT-Live gilt, dass die Seite mit den Modellpreisen<\/a> trennt die Sitzungsdauer von den Kosten f\u00fcr das Backend-Modell und die Tools. Ein einst\u00fcndiges Gespr\u00e4ch, das $3 f\u00fcr die Sprachsitzung kostet, bedeutet nicht zwangsl\u00e4ufig, dass die Gesamtkosten der Anwendung $3 betragen.<\/p>\n\n\n\n
    GlobalGPT verf\u00fcgt au\u00dferdem \u00fcber eine API f\u00fcr Audio, Chat, Bilder und Video<\/h2>\n\n\n\n
    Wenn Audio nur ein Teil eines umfassenderen Produkts ist, bietet GlobalGPT eine n\u00fctzliche Option. Seine API-\u00dcbersicht<\/a> dokumentiert einen gemeinsamen Einstiegspunkt f\u00fcr mehrere Modellkategorien: Chat-Anfragen nutzen \/v1\/chat\/erledigungen<\/code> oder \/v1\/antworten<\/code>, w\u00e4hrend die Erzeugung von Bildern, Videos und Audiodateien \/v1\/Aufgaben<\/code>.<\/p>\n\n\n\n
    Beispielsweise k\u00f6nnte eine Content-App mithilfe eines Chat-Modells ein Skript entwerfen, eine Sprachaufnahme erstellen, eine Illustration generieren und ein kurzes Video produzieren. Wenn Aufbau eines Multi-Modell-Workflows<\/a>, weisen Sie jedem Modell eine klare Aufgabe zu und geben Sie die \u00fcberpr\u00fcften Ergebnisse zwischen den einzelnen Schritten weiter.<\/p>\n\n\n\n
    \n
    Frage<\/th>OpenAI-Direkt-API<\/th>GlobalGPT-API<\/th><\/tr><\/thead>
    Welche Audiomodelle sind relevant?<\/td>OpenAI-Modelle, darunter gpt-transcribe<\/code> und gpt-4o-mini-tts<\/code>.<\/td>Sehen Sie im API-Modellkatalog des Kontos nach. Zu den Audio-Tools der Plattform geh\u00f6ren die Eintr\u00e4ge \u201eEleven\u201c, \u201eQwen\u201c, \u201eSeed\u201c und \u201eScribe\u201c; die Verf\u00fcgbarkeit und die Parameter m\u00fcssen f\u00fcr jedes API-Modell einzeln \u00fcberpr\u00fcft werden.<\/td><\/tr>\n
    Wie werden Audioanfragen gesendet?<\/td>Aufgabenspezifisch \/v1\/audio\/\u2026<\/code> Endpunkte; Live-Voice nutzt eine Session-API.<\/td>Die API-\u00dcbersicht leitet die Audiogenerierung \u00fcber \/v1\/Aufgaben<\/code>.<\/td><\/tr>\n
    Wie \u00fcberpr\u00fcft man die Preise?<\/td>Die Seiten zu den Modellen und API-Preisen von OpenAI.<\/td>In der \u00dcbersicht zur GlobalGPT-API hei\u00dft es GET \/v1\/models<\/code> listet Modell-IDs mit Preisen auf.<\/td><\/tr>\n
    Wann ist dies eine sinnvolle Wahl?<\/td>Sie ben\u00f6tigen ein bestimmtes OpenAI-Audiomodell oder dessen dokumentierte Funktionen f\u00fcr Sprachsitzungen.<\/td>Sie m\u00f6chten Audio in Verbindung mit den Chat-, Bild- und Videodiensten verschiedener Anbieter nutzen.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
    Die \u00d6ffentlichkeit von GlobalGPT Audio-Modellkatalog<\/a> Enth\u00e4lt Eleven v3, Eleven Multilingual v2, Qwen Audio 3.0 und Seed Audio 1.0 f\u00fcr sprachbezogene Anwendungen sowie Scribe und AI Note Taker f\u00fcr Transkriptionsaufgaben. Die f\u00fcr Ihre Integration verf\u00fcgbaren Modelle finden Sie im API-Katalog des Kontos.<\/p>\n\n\n\n
    Bei l\u00e4ngeren Skripten ist die Eleven Multilingual v2 \u2013 Testbericht<\/a> behandelt die Themen Erz\u00e4hlung, Sprachunterst\u00fctzung und die Unterschiede zu anderen ElevenLabs-Modellen.<\/p>\n\n\n\n
    F\u00fcr kreative Audioaufnahmen, die Sprache und Umgebungsger\u00e4usche enthalten, Der Leitfaden zu Stimmen und Soundeffekten von Seed Audio<\/a> geht \u00fcber das blo\u00dfe Vorlesen von Texten hinaus. W\u00e4hlen Sie je nach Art der Audioaufnahme, die Sie erstellen m\u00f6chten.<\/p>\n\n\n\n
    Erste Schritte mit der GlobalGPT-API<\/h3>\n\n\n\n
      \n
    1. \u00d6ffnen Sie den Bereich \u201eGlobalGPT API\u201c und erstellen Sie einen Schl\u00fcssel unter API \u2192 API-Schl\u00fcssel \u2192 Schl\u00fcssel erstellen<\/strong>. Speichern Sie es sicher, sobald es angezeigt wird.<\/li>\n\n\n\n
    2. Lesen Sie den Modellkatalog, um die Modell-ID und den Preis f\u00fcr die von Ihnen ben\u00f6tigte Aufgabe zu finden.<\/li>\n\n\n\n
    3. Verwenden Sie die dokumentierten Parameter des ausgew\u00e4hlten Modells. Halten Sie sich an das Format f\u00fcr Audio-Aufgabenanfragen f\u00fcr \/v1\/Aufgaben<\/code>, anstatt ein OpenAI einzuf\u00fcgen \/audio\/Sprache<\/code> Nutzlast unver\u00e4ndert.<\/li>\n\n\n\n
    4. Beginnen Sie mit einem kurzen Beispiel. \u00dcberpr\u00fcfen Sie die zur\u00fcckgesendete Audiodatei, den Fertigstellungsstatus und die abgerechnete Nutzung, bevor Sie einen gr\u00f6\u00dferen Stapel verarbeiten.<\/li>\n<\/ol>\n\n\n\n
      Die dokumentierte API-Basis-URL lautet https:\/\/api2.glbgpt.com\/ai-api\/open\/v1<\/code>. Diese schreibgesch\u00fctzte Katalogabfrage ist der Ausgangspunkt, nachdem Sie Ihren Schl\u00fcssel in GLOBALGPT_API_KEY<\/code>:<\/p>\n\n\n\n
      curl \"https:\/\/api2.glbgpt.com\/ai-api\/open\/v1\/models\" \\\n  -H \"Authorization: Bearer $GLOBALGPT_API_KEY\"<\/code><\/pre>\n\n\n\n
      Verwenden Sie den Preis, der dem von Ihnen tats\u00e4chlich ausgew\u00e4hlten Modell zugeordnet ist. Ein Website-Abonnementpreis f\u00fcr GlobalGPT, ein Guthaben und ein Minutentarif f\u00fcr OpenAI sind keine austauschbaren Sch\u00e4tzwerte f\u00fcr dieselbe Anfrage.<\/p>\n\n\n\n
      \n
      Integrationsgrenze:<\/strong> GlobalGPT stellt eine eigene Audio-API bereit. In der \u00f6ffentlichen Dokumentation wird keine Unterst\u00fctzung f\u00fcr die nativen Audio-Endpunkte von OpenAI, GPT-Live-Sitzungen oder alle Sprachmodelle von OpenAI best\u00e4tigt. Wenn Ihre bestehende App auf eine dieser Funktionen angewiesen ist, sollten Sie diese spezifische Anforderung \u00fcberpr\u00fcfen, bevor Sie den Anbieter wechseln.<\/p>\n<\/div>\n\n\n\n
      H\u00e4ufige Fehler bei der Audio-API und wie man sie vermeidet<\/h2>\n\n\n\n
      \n
      Problem<\/th>Was ist zu \u00fcberpr\u00fcfen?<\/th>Praktischer n\u00e4chster Schritt<\/th><\/tr><\/thead>
      Eine Aufnahme l\u00e4sst sich nicht hochladen<\/td>Dateigr\u00f6\u00dfe und tats\u00e4chliche Kodierung.<\/td>F\u00fcr die Transkription von OpenAI-Dateien sollte jede hochgeladene Datei maximal 25 MB gro\u00df sein. Verwenden Sie die Formate MP3, MP4, MPEG, MPGA, M4A, WAV oder WebM. Komprimieren Sie gr\u00f6\u00dfere Dateien oder teilen Sie sie an nat\u00fcrlichen Pausen auf.<\/td><\/tr>\n
      Die Antwort enth\u00e4lt keine Sprecherangaben.<\/td>Ob das gew\u00e4hlte Modell und das Antwortformat die Diarisierung unterst\u00fctzen.<\/td>F\u00fcr eine bereits vorhandene Diarisierungsintegration fordern Sie bitte Folgendes an: diarized_json<\/code>; Plan f\u00fcr die angek\u00fcndigte Auslaufphase des Modells.<\/td><\/tr>\n
      Die \u00dcbersetzung ist auf Englisch, aber du wolltest eine andere Sprache<\/td>Unterst\u00fctzung der Zielsprache durch den Endpunkt.<\/td>Der Endpunkt f\u00fcr die Datei\u00fcbersetzung gibt englischen Text zur\u00fcck. Verwenden Sie einen separaten \u00dcbersetzungsschritt oder einen Dienst, der Ihre Zielsprache unterst\u00fctzt.<\/td><\/tr>\n
      Die Audiodatei wird abgespielt, aber der Assistent kann keine Unterbrechung verarbeiten<\/td>Ganz gleich, ob Sie eine Streaming-Wiedergabe oder eine Dialog-Sitzung erstellt haben.<\/td>Verwenden Sie eine \u201eLive Voice\u201c-Architektur, wenn Ihre App gleichzeitig zuh\u00f6ren und sprechen muss.<\/td><\/tr>\n
      Ein OpenAI-Beispiel schl\u00e4gt bei einem anderen Anbieter fehl<\/td>Basis-URL, Endpunkt, Modell-ID und Anfragefelder.<\/td>Befolgen Sie die Audio-Anleitung des jeweiligen Anbieters. Eine \u00e4hnliche SDK-Konfiguration garantiert keine identischen Audio-Routen.<\/td><\/tr>\n<\/tbody><\/table><\/div>\n\n\n\n
      Bevor Sie sich f\u00fcr eine Sprachqualit\u00e4t entscheiden, testen Sie ein kurzes Beispiel, das Ihren tats\u00e4chlichen Wortschatz enth\u00e4lt: Produktnamen, Zahlen, Abk\u00fcrzungen und die Sprachen, die Ihre Nutzer sprechen. Pr\u00fcfen Sie bei der Transkription die W\u00f6rter und die Zuordnung zu den Sprechern. Achten Sie bei der Sprachausgabe auf Aussprache, Pausen, Sprechtempo und darauf, ob der beabsichtigte Tonfall auch in einem l\u00e4ngeren Absatz erhalten bleibt.<\/p>\n\n\n\n
      Verwenden Sie Aufzeichnungen, f\u00fcr deren Verarbeitung Sie die Erlaubnis haben, speichern Sie Schl\u00fcssel auf einem vertrauensw\u00fcrdigen Server und pr\u00fcfen Sie die Datenschutzbestimmungen des Dienstes, der Ihre Audioaufnahmen empf\u00e4ngt. Bei einem kundenorientierten Produkt sollten Sie Hinweise zur Aufzeichnung und zur KI-Stimme in die Benutzeroberfl\u00e4che integrieren.<\/p>\n\n\n\n
      Welche API-Route sollten Sie w\u00e4hlen?<\/h2>\n\n\n\n
      W\u00e4hlen Sie direkt OpenAI aus<\/strong> Wenn Ihre App ein bestimmtes OpenAI-Sprachmodell, eine dokumentierte Transkriptionsoption oder eine native Live-Sprachsitzung ben\u00f6tigt. Beginnen Sie mit dem f\u00fcr die Aufgabe geeigneten Modell und richten Sie die Entwicklung an dessen tats\u00e4chlichen Anforderungs- und Abrechnungsregeln aus.<\/p>\n\n\n\n
      Betrachten Sie GlobalGPT<\/strong> Wenn Ihr Produkt Audiofunktionen mit Modellen verschiedener Anbieter kombiniert oder wenn Sie neben Chat, Bildern und Videos auch die Sprachgenerierung ausprobieren m\u00f6chten. Beginnen Sie mit dem API-Katalog, w\u00e4hlen Sie ein verf\u00fcgbares Modell aus und testen Sie zun\u00e4chst eine kleine Aufgabe, bevor Sie das Projekt ausweiten.<\/p>\n\n\n\n
      Musik, Sprechtext und Transkriptionen erfordern unterschiedliche Modellauswahlen. Unser Vergleich zu Auswahl eines Audiomodells je nach Aufgabe<\/a> hilft dabei, die Erzeugung von Liedern, gesprochene Erz\u00e4hlungen und komplexere Audioszenen voneinander zu trennen.<\/p>\n\n\n\n
      F\u00fcr eine einzelne Sprachaufnahme oder ein Meeting-Protokoll reicht m\u00f6glicherweise ein Web-Tool aus. Eine API ist dann sinnvoll, wenn Ihre eigene Anwendung den Vorgang wiederholt ausl\u00f6sen, Ergebnisse an einen weiteren Schritt weiterleiten oder das Ergebnis Ihren Nutzern bereitstellen muss.<\/p>\n\n\n\n
      H\u00e4ufig gestellte Fragen<\/h2>\n\n\n\n
      Ist die OpenAI-Audio-API ein Modell?<\/h3>\n\n\n\n
      Nein. Es handelt sich um eine Reihe von Audio-Schnittstellen. F\u00fcr die Sprachgenerierung, die Transkription von Dateien und die \u00dcbersetzung von Dateien werden unterschiedliche Endpunkte und Modelle verwendet. GPT-Live und Realtime bieten separate, sitzungsbasierte Optionen f\u00fcr Live-Audio-Anwendungen.<\/p>\n\n\n\n
      Kann die OpenAI-Audio-API Text in Sprache umwandeln?<\/h3>\n\n\n\n
      Ja. Der Sprach-Endpunkt akzeptiert Text, ein Modell und eine Stimme und gibt anschlie\u00dfend eine Audioausgabe zur\u00fcck. Mit \u201egpt-4o-mini-tts\u201c k\u00f6nnen Sie au\u00dferdem Anweisungen zur Wiedergabe festlegen, beispielsweise zu Tonfall und Sprechtempo. Das Standardausgabeformat ist MP3.<\/p>\n\n\n\n
      Welches Modell sollte ich f\u00fcr eine neue Transkriptions-App verwenden?<\/h3>\n\n\n\n
      Der aktuelle Leitfaden zur Dateitranskription von OpenAI empfiehlt \u201egpt-transcribe\u201c f\u00fcr allgemeine Sprachaufnahmen. Informieren Sie sich separat \u00fcber spezielle Anforderungen wie Zeitstempel f\u00fcr einzelne W\u00f6rter, Untertitelformate oder Sprecherkennzeichnungen, da die Unterst\u00fctzung je nach Modell variiert.<\/p>\n\n\n\n
      Wird \u201eWhisper\u201c eingestellt?<\/h3>\n\n\n\n
      OpenAI gibt bekannt, dass sein gehostetes \u201eWhisper-1\u201c-API-Modell am 26. Februar 2027 zusammen mit drei \u00e4lteren GPT-4o-Transkriptionsmodellen aus dem Verkehr gezogen wird. Hierbei handelt es sich um die Einstellung eines API-Modells und nicht um eine Ank\u00fcndigung, dass die gesamte Whisper-Software oder alle OpenAI-Audiodienste eingestellt werden.<\/p>\n\n\n\n
      Liefert die Audio\u00fcbersetzung gesprochene Audiodaten zur\u00fcck?<\/h3>\n\n\n\n
      Nein. Der Endpunkt f\u00fcr die Datei\u00fcbersetzung gibt englischen Text aus der aufgezeichneten Sprache zur\u00fcck. Um \u00fcbersetzte Sprache zu erzeugen, ben\u00f6tigen Sie einen zus\u00e4tzlichen Schritt zur Sprachgenerierung oder einen speziellen Sprach\u00fcbersetzungsdienst.<\/p>\n\n\n\n
      Kann ich die Audio-API f\u00fcr einen Live-Sprachassistenten nutzen?<\/h3>\n\n\n\n
      Sie k\u00f6nnen Transkription, ein Textmodell und Sprachgenerierung zu einem Sprachassistenten kombinieren, doch die Verarbeitung von Live-Dialogen erfordert zus\u00e4tzliche Entwicklungsarbeit. OpenAI empfiehlt GPT-Live als Ausgangspunkt f\u00fcr neue sprachgesteuerte Konversationsanwendungen; au\u00dferdem wird eine separate Echtzeit-API dokumentiert.<\/p>\n\n\n\n
      Verf\u00fcgt GlobalGPT \u00fcber eine Audio-API?<\/h3>\n\n\n\n
      Ja. Die API-\u00dcbersicht von GlobalGPT beschreibt neben der Bild- und Videogenerierung auch die Audiogenerierung \u00fcber den \u201etasks\u201c-Endpunkt. Der \u201emodels\u201c-Endpunkt listet Modell-IDs und Preise auf. \u00dcberpr\u00fcfen Sie vor dem Senden einer Anfrage die Verf\u00fcgbarkeit und die Parameter des ausgew\u00e4hlten Modells.<\/p>\n\n\n\n
      Ist die Audio-API von GlobalGPT identisch mit der von OpenAI?<\/h3>\n\n\n\n
      Sie dokumentieren unterschiedliche Audio-Routen: OpenAI stellt dedizierte Audio-Endpunkte bereit, w\u00e4hrend GlobalGPT die Audiogenerierung \u00fcber seine Aufgaben-API leitet. Verwenden Sie die Modell-IDs und Anforderungsfelder des ausgew\u00e4hlten Anbieters; die Kompatibilit\u00e4t der OpenAI-Endpunkte und die Unterst\u00fctzung f\u00fcr Live-Sprache m\u00fcssen separat \u00fcberpr\u00fcft werden.<\/p>\n\n\n\n
      Audio in eine umfassendere KI-App integrieren<\/h3>
      Entdecken Sie die API von GlobalGPT f\u00fcr Audio-, Chat-, Bild- und Videoaufgaben. Sehen Sie sich den Modellkatalog und die Preise an und beginnen Sie dann mit der Aufgabe, die Ihre Nutzer am dringendsten ben\u00f6tigen.<\/p>
      Entdecken Sie die GlobalGPT-API \u2192<\/a><\/p>
      \u00d6ffnen Sie Ihren GlobalGPT-Arbeitsbereich<\/a><\/p><\/div>\n\n\n\n