GUIDE DE L'API AUDIO · MIS À JOUR LE 29 SEPTEMBRE 2026
Vous avez besoin de transcrire un enregistrement, d'ajouter une voix off à une vidéo ou de permettre à vos clients de dialoguer avec un assistant IA ? Le API audio OpenAI offre aux développeurs plusieurs moyens de gérer la reconnaissance vocale, mais chaque mission utilise un modèle, une requête et une unité de facturation différents.
Commencez par la tâche que vous souhaitez mener à bien. Vous trouverez ci-dessous les principaux points de terminaison, les modèles actuellement disponibles, des exemples en Python et des calculs de tarification. Si votre application a également besoin de voix, de modèles de chat, d’images ou de vidéos provenant d’autres fournisseurs, le API GlobalGPT propose une autre solution : un point d'accès API unique regroupant les tâches audio et ces services.
Réponse rapide : Utilisez les OpenAI /v1/audio/transcriptions pour les enregistrements vocaux, /v1/audio/discours pour la synthèse vocale, et /v1/audio/traductions pour la transcription d'enregistrements en anglais. Pour une conversation en cours, choisissez une session vocale en direct. GlobalGPT propose également une API dédiée aux tâches audio, dotée de son propre catalogue de modèles et de son propre format de requête.
Sur cette page
- Qu'est-ce que l'API audio OpenAI ?
- Choisissez un point d'extrémité et un modèle
- Commencez avec des exemples en Python
- Comprendre la tarification de l'API Audio
- Utilisez l'API GlobalGPT pour l'audio et bien plus encore
- Évitez les erreurs courantes lors de la configuration
- Choisissez le bon itinéraire
- Foire aux questions
Qu'est-ce que l'API audio OpenAI ?
L'API audio OpenAI est un ensemble d'interfaces destinées aux développeurs pour le traitement et la génération de la parole. Votre application envoie du texte ou un fichier audio à OpenAI, sélectionne un modèle, puis reçoit en retour un fichier audio ou du texte lu à voix haute. Elle peut être utilisée pour une application de transcription, la lecture à voix haute d'articles, un outil de sous-titrage ou les fonctionnalités vocales d'un assistant plus complet.
L'équipe d'OpenAI Référence de l'API audio distingue la génération de la parole, la transcription et la traduction. Il s'agit là d'éléments de base utiles : la transcription permet d'extraire des mots d'un enregistrement ; un modèle textuel distinct peut transformer ces mots en un résumé, et un modèle vocal peut lire ce résumé à haute voix.
Trois demandes, trois résultats différents
Enregistrement → transcription
Entretien, réunion, conférence ou note vocale
/audio/transcriptions
Script → enregistrement audio
Narration, description audio ou réponse d'une application
/audio/discours
Enregistrement en langue étrangère → Texte en anglais
Traduction en anglais d'un enregistrement vocal
/audio/traductions
ChatGPT est une application que vous pouvez utiliser directement ; son API vous permet d'intégrer des modèles à votre propre application. Si vous souhaitez uniquement interagir avec ChatGPT, commencez par ChatGPT Accès vocal et limites. Un projet d'API nécessite un budget spécifique pour sa mise en place et son exploitation.
Quel terminal audio et quel modèle choisir ?
Choisissez le format de sortie adapté aux besoins de votre application. Un fichier de sous-titrage, une transcription avec l'identification des intervenants et une conversation en direct constituent des livrables différents, même si ces trois formats commencent tous par une intervention orale.
Le courant Guide de transcription des fichiers recommande gpt-transcribe pour les enregistrements classiques. Pour une transcription de podcast, commencez par là. Si vous avez besoin d'horodatages par mot ou de formats de sous-titres, vérifiez les options spécifiques à chaque modèle avant de faire votre choix ; la prise en charge varie d'un modèle à l'autre.
Date de migration à prendre en compte : Listes OpenAI chuchotement-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, et gpt-4o-transcribe-diarize pour la mise hors service de l'API le 26 février 2027. Les intégrations existantes en matière de traduction, de sous-titrage et de diarisation doivent respecter les recommandations officielles concernant la dépréciation plutôt que de partir du principe qu'un nouveau modèle reprend tous les anciens paramètres.
La diffusion en continu d'un discours est différente d'une conversation en direct
La synthèse vocale en continu commence à lire une réponse avant même que la génération du fichier audio ne soit entièrement terminée. Elle ne permet pas, en soi, à votre application de détecter une interruption de la part de l'utilisateur ni de gérer un appel en cours. De même, la lecture en continu d'une transcription à partir d'un fichier finalisé n'établit pas de session de microphone en direct.
Pour une nouvelle application vocale conversationnelle, celle de OpenAI guide audio et vocal renvoie vers GPT-Live. Son modèle vocal gère la conversation tandis qu'un agent en arrière-plan effectue des recherches ou utilise des outils. L'API en temps réel reste une option distincte lorsque vous avez besoin de son modèle de session et d'outils.
Comment utiliser l'API audio OpenAI
Pour les exemples ci-dessous, créez un projet API OpenAI, configurez la facturation de l'API et conservez votre clé dans le OPENAI_API_KEY variable d'environnement sur votre serveur ou sur votre machine de développement locale. Installez le SDK Python à l'aide de pip install openai. Ne publiez pas de clé API permanente sur une page Web publique ou dans le fichier d'installation d'une application mobile.
Commencez par un petit fichier ou un script afin de pouvoir vérifier la réponse avant d'intégrer la requête à votre application.
1. Transcrire un enregistrement
Enregistrer un enregistrement sous le nom de réunion.mp3, puis exécutez ce script depuis ce même dossier. La valeur renvoyée texte Il s'agit du compte rendu, et non d'un résumé de la réunion ni d'une liste des mesures à prendre.
from openai import OpenAI
client = OpenAI()
with open("meeting.mp3", "rb") as audio_file:
transcript = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
)
print(transcript.text)Pour les noms de produits ou le vocabulaire spécifique à un secteur d'activité, fournissez un contexte pertinent au lieu d'attendre du modèle qu'il devine l'orthographe. Le guide de transcription actuel prend en charge rapide, ainsi que des suggestions de mots-clés et de langues spécifiques à chaque modèle. Testez ces options sur un court extrait issu des enregistrements que votre application traite réellement.
Si votre source est une démo enregistrée ou une vidéo d'interview, consultez notre guide sur transcription de l'audio d'une vidéo explique comment préparer les supports et les étapes à suivre entre l'obtention d'une transcription et la rédaction d'un résumé utile.
2. Convertir un script en fichier audio
Choisissez une voix prise en charge et décrivez la lecture. Dans cet exemple, un fichier MP3 est enregistré sur votre ordinateur ; il n'est pas lu automatiquement.
from pathlib import Path
from openai import OpenAI
client = OpenAI()
with client.audio.speech.with_streaming_response.create(
model="gpt-4o-mini-tts",
voice="coral",
input="Le résumé de votre réunion est prêt. Voici les prochaines étapes.",
instructions="Utilisez un ton calme et clair, et un débit mesuré.",
) as response:
response.stream_to_file(Path("narration.mp3"))Le Guide sur la synthèse vocale contrôles permettant de régler le ton, la vitesse, l'intonation et d'autres paramètres de lecture. Le format MP3 est le format de sortie par défaut ; les autres formats pris en charge sont notamment WAV, PCM, Opus, AAC et FLAC. Les choix de voix dépendent du modèle. Le OpenAI exige également qu'il soit clairement indiqué que la voix est générée par l'IA.
Pour une narration ponctuelle, vous préférerez peut-être utiliser un outil de navigateur plutôt que d'écrire du code. Notre guide sur outils et processus de synthèse vocale aborde ce sujet, notamment les points à vérifier avant d'exporter une voix off.
3. Traduire un enregistrement vocal en texte anglais
Le point de terminaison de traduction utilise chuchotement-1 et génère un texte en anglais. Pour une intégration existante, la requête se présente comme suit. Tenez compte de la fin de vie prévue en février 2027 avant de créer une nouvelle dépendance à long terme à cet égard.
from openai import OpenAI
client = OpenAI()
with open("interview.mp3", "rb") as audio_file:
translation = client.audio.translations.create(
model="whisper-1",
file=audio_file,
)
print(translation.text)Cette demande ne génère pas de piste audio doublée en anglais. Le doublage nécessite des étapes supplémentaires, notamment la génération de la parole et, selon le projet, la synchronisation et l'alignement vidéo. Pour une traduction vers une autre langue cible, utilisez une méthode de traduction prenant explicitement en charge cette langue.
Combien coûte l'API audio OpenAI ?
Il n'existe pas de tarif unique pour l'API Audio. La transcription de fichiers, la synthèse vocale et les sessions en direct sont facturées selon des unités de facturation différentes. Les chiffres ci-dessous proviennent de Tarifs de l'API OpenAI, consultées le 29 septembre 2026. Il s'agit des frais OpenAI, distincts des tarifs GlobalGPT.
Les lignes de transcription utilisent les données publiées par OpenAI coût estimé Chiffres. L'exemple du jeton TTS est une illustration arithmétique basée sur deux totaux d'utilisation spécifiés ; il ne s'agit pas d'une prédiction selon laquelle un script produirait un nombre identique de jetons en entrée et en sortie. Les caractères, les jetons de texte et les jetons audio sont des unités différentes.
Un budget de transcription de 1 000 minutes
Environ 16 heures et 40 minutes d'enregistrement audio, selon les estimations par minute publiées par OpenAI.
Fichiers enregistrés · gpt-transcribe · ≈ $4.50
Transcription en direct · gpt-live-transcribe · ≈ $17.00
Pour établir un devis réaliste pour un projet, il faut également tenir compte du travail nécessaire après la transcription. Un assistant de réunion peut avoir besoin d'une transcription, d'un résumé, d'une liste des actions à mener et d'un enregistrement audio. Chaque appel traité par un modèle peut alourdir la facture. Un agent vocal peut également utiliser des outils de recherche ou d'autres outils pendant que la conversation se poursuit.
En ce qui concerne spécifiquement GPT-Live, le page de tarification des modèles distingue la durée de la session des coûts liés au modèle backend et aux outils. Un appel d'une heure coûtant $3 pour la session vocale ne correspond pas nécessairement à un coût total de l'application de $3.
GlobalGPT dispose également d'une API pour l'audio, le chat, les images et la vidéo
Si l'audio fait partie d'un produit plus vaste, le modèle GlobalGPT offre une option pratique. Son Présentation de l'API fournit un point d'entrée commun pour plusieurs catégories de modèles : les requêtes de chat utilisent /v1/chat/complétions ou /v1/réponses, tandis que la génération d'images, de vidéos et de fichiers audio utilise /v1/tâches.
Par exemple, une application de contenu pourrait rédiger un script à l'aide d'un modèle de chat, créer une piste audio de narration, générer une illustration et produire une courte vidéo. Lorsque mise en place d'un flux de travail multimodèle, attribuez à chaque modèle une tâche bien définie et transmettez les résultats validés d'une étape à l'autre.
Le public de GlobalGPT catalogue de modèles audio Comprend Eleven v3, Eleven Multilingual v2, Qwen Audio 3.0 et Seed Audio 1.0 pour la création liée à la parole, ainsi que Scribe et AI Note Taker pour les tâches de transcription. Consultez le catalogue API de votre compte pour connaître les modèles spécifiques disponibles pour votre intégration.
Pour les scripts plus longs, le Critique d'Eleven Multilingual v2 aborde la narration, l'aide linguistique et ce qui le distingue des autres modèles ElevenLabs.
Pour les créations audio comprenant des voix et des bruits d'ambiance, Guide des voix et des effets sonores de Seed Audio va au-delà de la simple lecture à voix haute. Choisissez en fonction du type d'enregistrement dont vous avez besoin.
Comment débuter avec l'API GlobalGPT
- Ouvrez la section API GlobalGPT et créez une clé sous API → Clés API → Créer une clé. Enregistrez-le en toute sécurité dès qu'il s'affiche.
- Consultez le catalogue des modèles pour trouver la référence et le prix du modèle correspondant à la tâche que vous souhaitez réaliser.
- Utilisez les paramètres documentés du modèle sélectionné. Respectez le format de demande de tâche audio pour
/v1/tâches, plutôt que de coller un OpenAI/audio/discourscharge utile inchangée. - Commencez par un petit échantillon. Vérifiez le fichier audio obtenu, l'état d'avancement et la consommation facturée avant de traiter un lot plus important.
L'URL de base de l'API indiquée dans la documentation est https://api2.glbgpt.com/ai-api/open/v1. Cette requête de catalogue en lecture seule constitue un point de départ une fois que vous avez enregistré votre clé dans GLOBALGPT_API_KEY:
curl "https://api2.glbgpt.com/ai-api/open/v1/models" \
-H "Authorization: Bearer $GLOBALGPT_API_KEY"Utilisez le prix associé au modèle que vous sélectionnez effectivement. Le prix d’un abonnement au site web GlobalGPT, un solde créditeur et un tarif à la minute OpenAI ne constituent pas des estimations interchangeables pour une même demande.
Limite d'intégration : GlobalGPT propose sa propre API audio. Sa documentation publique ne mentionne pas la prise en charge des points de terminaison audio natifs de OpenAI, des sessions GPT-Live ni de tous les modèles vocaux de OpenAI. Si votre application actuelle repose sur l’une de ces fonctionnalités, vérifiez bien cette exigence spécifique avant de changer de fournisseur.
Erreurs courantes liées à l'API audio et comment les éviter
Avant de choisir une voix, testez un court extrait reprenant votre vocabulaire réel : noms de produits, chiffres, abréviations et langues parlées par vos utilisateurs. Pour la transcription, vérifiez les mots et l’attribution des locuteurs. Pour la narration, prêtez attention à la prononciation, aux pauses, au rythme et vérifiez si le ton souhaité est conservé tout au long d’un paragraphe plus long.
Utilisez des enregistrements pour lesquels vous disposez d'une autorisation de traitement, conservez les clés sur un serveur fiable et consultez les conditions relatives aux données du service qui reçoit vos fichiers audio. Pour un produit destiné aux clients, intégrez à l'interface des mentions concernant l'enregistrement et la synthèse vocale par IA.
Quelle route API choisir ?
Sélectionnez directement OpenAI lorsque votre application nécessite un modèle vocal OpenAI spécifique, une option de transcription documentée ou une session vocale en direct native. Commencez par choisir le modèle adapté à la tâche et concevez votre application en tenant compte de ses règles réelles en matière de requêtes et de facturation.
Prenons l'exemple de GlobalGPT lorsque votre produit associe des fonctionnalités audio à des modèles provenant de plusieurs fournisseurs, ou lorsque vous souhaitez explorer la génération vocale en complément du chat, des images et de la vidéo. Commencez par consulter le catalogue d'API, sélectionnez un modèle disponible, puis testez-le sur une petite tâche avant de passer à une échelle plus grande.
La musique, la narration et la transcription nécessitent des choix de modèles différents. Notre comparaison sur Choix d'un modèle audio en fonction de la tâche permet de distinguer la création musicale, la narration parlée et les scènes audio plus complexes.
Pour une simple transcription d'une voix off ou d'une réunion, un outil en ligne peut suffire. Une API s'avère utile lorsque votre propre application doit lancer la tâche à plusieurs reprises, transmettre les résultats à une étape suivante ou fournir ces résultats à vos utilisateurs.
Foire aux questions
L'API audio OpenAI correspond-elle à un seul modèle ?
Non. Il s'agit d'un ensemble d'interfaces audio. La synthèse vocale, la transcription de fichiers et la traduction de fichiers utilisent des points de terminaison et des modèles différents. GPT-Live et Realtime proposent des options distinctes, basées sur des sessions, pour les applications audio en direct.
L'API audio OpenAI permet-elle de convertir du texte en parole ?
Oui. L'API de synthèse vocale accepte du texte, un modèle et une voix, puis renvoie un fichier audio. Avec gpt-4o-mini-tts, vous pouvez également fournir des instructions concernant la prononciation, telles que le ton et le rythme. Le format de sortie par défaut est le MP3.
Quel modèle devrais-je utiliser pour une nouvelle application de transcription ?
Le guide de transcription de fichiers actuel de OpenAI recommande l'utilisation de gpt-transcribe pour les enregistrements vocaux généraux. Vérifiez séparément les exigences spécifiques telles que les horodatages des mots, les formats de sous-titres ou les étiquettes d'interlocuteurs, car la prise en charge varie selon les modèles.
Est-ce que Whisper va être retiré ?
OpenAI annonce que son modèle d'API « Whisper-1 » hébergé sera retiré le 26 février 2027, en même temps que trois anciens modèles de transcription GPT-4o. Il s'agit du retrait d'un modèle d'API, et non d'une annonce indiquant que l'ensemble des logiciels Whisper ou de tous les services audio OpenAI vont cesser leurs activités.
La traduction audio fournit-elle un fichier audio ?
Non. Le point de terminaison de traduction de fichiers renvoie du texte en anglais à partir d'un enregistrement vocal. Pour obtenir un texte parlé traduit, vous devez effectuer une étape supplémentaire de synthèse vocale ou recourir à un service dédié à la traduction vocale.
Puis-je utiliser l'API Audio pour un assistant vocal en direct ?
Il est possible d'associer la transcription, un modèle textuel et la synthèse vocale au sein d'un assistant vocal, mais la gestion des échanges en temps réel nécessite une conception spécifique. OpenAI recommande GPT-Live comme point de départ pour les nouvelles applications vocales conversationnelles ; il documente également une API « Realtime » distincte.
Est-ce que GlobalGPT dispose d'une API audio ?
Oui. La présentation de l'API de GlobalGPT décrit la génération audio via son point de terminaison « tasks », ainsi que la génération d'images et de vidéos. Son point de terminaison « models » répertorie les identifiants des modèles et leurs tarifs. Vérifiez la disponibilité et les paramètres du modèle choisi avant d'envoyer une requête.
L'API audio du GlobalGPT est-elle identique à celle du OpenAI ?
Ils décrivent différents parcours audio : OpenAI fournit des points de terminaison audio dédiés, tandis que GlobalGPT achemine la génération audio via son API de tâches. Utilisez les identifiants de modèle et les champs de requête du fournisseur sélectionné ; la compatibilité des points de terminaison OpenAI et la prise en charge de la voix en direct doivent être vérifiées séparément.
Intégrer la fonctionnalité audio dans une application d'IA plus générale
Découvrez l'API de GlobalGPT pour les tâches liées à l'audio, au chat, aux images et à la vidéo. Consultez le catalogue de modèles et les tarifs, puis commencez par la tâche dont vos utilisateurs ont le plus besoin.
