OpenAI 音訊 API：功能、定價及使用方法

音訊 API 指南 · 更新於 2026 年 9 月 29 日

需要將錄音轉為文字、為影片添加旁白，或是讓客戶與 AI 助理對話嗎？這 OpenAI 音訊 API 為開發人員提供了多種處理語音的方式，但每項服務所使用的模型、請求及計費單位各不相同。.

請從您想完成的任務開始。下方您將找到主要終端點、目前的模型選項、Python 範例以及定價計算。若您的應用程式還需要其他供應商的語音、聊天模型、圖片或影片，請參閱 GlobalGPT API 提供另一種方案：一個 API 入口點，其中包含音訊任務以及相關服務。.

什麼是 OpenAI 音訊 API？

OpenAI 語音 API 是一組用於處理和生成語音的開發者介面。您的應用程式將文字或音訊傳送至 OpenAI，選擇一個模型，並接收生成的語音或文字作為回傳結果。它可應用於轉錄應用程式、配音文章、字幕工具，或是大型語音助理的語音處理階段。.

OpenAI 的 音訊 API 參考手冊 將語音生成、轉錄與翻譯分開處理。這些都是有用的基礎組件：轉錄功能能從錄音中提取文字；獨立的文本模型可將這些文字轉化為摘要；而語音模型則能將摘要朗讀出來。.

ChatGPT 是一款可直接使用的應用程式；其 API 可讓您將模型加入自己的應用程式中。若您只想與 ChatGPT 進行互動，請從以下步驟開始： ChatGPT 語音存取與限制. 每個 API 專案都需要有專屬的架設與使用預算。.

您應該使用哪個音訊端點和哪個模型？

請根據您的應用程式所需的輸出形式來選擇。字幕檔、附有發言人標籤的文字記錄，以及即時對話，雖然這三者都是從某人開口說話開始的，但它們屬於不同的交付成果。.

目前的 檔案轉錄指南 建議 gpt-transcribe 適用於一般錄音。若要生成播客文字稿，請從該處開始。若您需要字詞時間戳或字幕格式，請在選擇模型前先查看該模型的特定選項；各模型對此功能的支持程度不盡相同。.

語音串流與現場對話有所不同

串流式文字轉語音會在整個音訊檔案生成完成之前，便開始播放回應內容。此功能本身並不會讓您的應用程式偵測到使用者的打斷，也不會管理正在進行的通話。同樣地，從已完成的檔案串流轉錄文字，也不會建立即時麥克風連線。.

針對一款全新的對話式語音應用程式，OpenAI 的 音訊與語音導覽 指向 GPT-Live。其語音模型負責處理對話，同時後端代理程式則負責進行研究或使用工具。若您需要其會話與工具模型，即時 API 仍可作為獨立選項。.

如何使用 OpenAI 音訊 API

針對以下範例，請建立一個 OpenAI API 專案、設定 API 計費，並將您的金鑰存放在 OPENAI_API_KEY 伺服器或本地開發機上的環境變數。請使用以下指令安裝 Python SDK： pip install openai. 請勿將永久 API 金鑰放置於公開的網頁或行動應用程式套件中。.

請先從一個簡短的檔案或腳本開始，這樣您就能在將該請求加入應用程式之前，先檢視回應內容。.

1. 將錄音轉寫成文字

將錄音儲存為 會議.mp3, 然後從同一資料夾執行此腳本。返回的 文字 這是會議紀錄，而非會議摘要或待辦事項清單。.

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)

對於產品名稱或產業術語，請提供相關上下文，而非期待模型能猜出拼寫。目前的轉錄指南支援 提示, ，加上針對特定模型的關鍵字和語言提示。請使用您的應用程式實際處理的錄音片段中的一小段樣本來測試這些選項。.

如果您的來源是錄製的試聽帶或訪談影片，請參閱我們的指南： 將影片中的音訊轉錄成文字 說明了資料的準備工作，以及從取得文字紀錄到產出實用摘要之間的各項步驟。.

2. 將腳本轉為語音檔

請選擇一種受支援的語音，並描述其播放方式。此範例會將 MP3 檔案寫入您的電腦；它不會自動播放該檔案。.

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="您的會議摘要已準備就緒。以下是後續步驟。",
    instructions="請以平穩、清晰的語調，並保持適中的語速。",
) as response:
    response.stream_to_file(Path("narration.mp3"))

的 文字轉語音指南 文件中規範了語調、語速、語調及其他表達方式的控制設定。預設輸出格式為 MP3；其他支援的格式包括 WAV、PCM、Opus、AAC 及 FLAC。語音選項視機型而定。OpenAI 還要求明確標示該語音是由人工智慧生成的。.

若只是偶爾進行旁白解說，您可能會更傾向使用瀏覽器工具，而非撰寫程式碼。我們的指南介紹了 文字轉語音工具與工作流程 內容涵蓋了該流程，包括在匯出旁白前應檢查的事項。.

3. 將錄製的語音轉譯為英文文字

該翻譯終點使用 whisper-1 並輸出英文文字。對於現有的整合，請求如下所示。在建立新的長期依賴關係之前，請先考量 2027 年 2 月的停用時程。.

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)

此請求不會產生英語配音。配音需要額外的步驟，包括語音生成，以及視專案而定的時間軸與影片對齊。若要翻譯成其他目標語言，請使用明確支援該語言的翻譯方法。.

OpenAI 音訊 API 的價格是多少？

Audio API 並無統一的定價。檔案轉錄、語音合成及即時會話採用不同的計費單位。以下數據來自 OpenAI 的 API 定價, ，查閱日期為 2026 年 9 月 29 日。這些是 OpenAI 的費用，與 GlobalGPT 的價格是分開的。.

轉錄行採用 OpenAI 已發表的 預估成本 這也是意料之中的。TTS 標記的範例是基於兩個指定使用總數的算術說明；這並非預測腳本會產生相等的輸入與輸出標記數量。字元、文字標記和音訊標記是不同的單位。.

要估算實際專案的成本，請務必將轉錄後的工作量一併計算在內。會議助理可能需要會議紀錄、摘要、待辦事項清單以及語音重播。每次調用模型都會增加帳單金額。語音客服人員在對話進行期間，也可能同時使用搜尋或其他工具。.

就 GPT-Live 而言，該 模型定價頁面 將通話時長與後端模型及工具費用分開計算。一小時通話的語音通話費用為 $3，但這並不代表總應用程式成本就是 $3。.

GlobalGPT 還提供用於音訊、聊天、圖片和影片的 API

如果音訊只是更廣泛產品中的一部分，GlobalGPT 便提供了一個實用的選擇。它的 API 概覽 記錄了多個模型類別的共通入口點：聊天請求使用 /v1/chat/completions 或 /v1/responses, 而圖像、影片和音訊的生成則使用 /v1/tasks.

舉例來說，一款內容應用程式可能會利用聊天模型草擬腳本、製作旁白音軌、生成插圖，並製作一支短片。當 建立多模型工作流程, 為每個模型賦予明確的任務，並在各步驟之間傳遞經過審核的結果。.

GlobalGPT 的公開內容 音訊模型目錄 包含用於語音相關創作的 Eleven v3、Eleven Multilingual v2、Qwen Audio 3.0 及 Seed Audio 1.0，以及用於轉錄任務的 Scribe 和 AI Note Taker。請查閱該帳戶的 API 目錄，以了解您的整合方案可用的具體模型。.

對於較長的腳本，該 Eleven Multilingual v2 評測 探討敘事、語言支援，以及它與其他 ElevenLabs 模型有何不同。.

若要製作包含人聲與環境音的創意音效，, Seed Audio 的配音與音效指南 探討的內容比「朗讀文本」更為廣泛。請根據您需要呈現的音訊類型來選擇。.

如何開始使用 GlobalGPT API

1. 開啟 GlobalGPT API 區域，並在以下路徑下建立一個金鑰： API → API 金鑰 → 建立金鑰. 當它顯示出來時，請將其安全地儲存起來。.
2. 請參閱型號目錄，找出您所需任務的型號編號與價格。.
3. 請使用所選模型的文件中記載的參數。請依照音訊任務請求格式進行 /v1/tasks, ，而不是貼上 OpenAI /audio/speech 有效載荷未變。.
4. 請先從一個短的樣本開始。在處理較大的批次之前，請先檢查回傳的音訊、完成狀態以及計費用量。.

文件中記載的 API 基礎網址是 https://api2.glbgpt.com/ai-api/open/v1. 將您的金鑰儲存至 GLOBALGPT_API_KEY:

curl "https://api2.glbgpt.com/ai-api/open/v1/models" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY"

請使用您實際選定的模型所對應的價格。GlobalGPT 網站訂閱價格、信用餘額以及 OpenAI 的每分鐘費率，並非針對同一項請求可互換的估算值。.

常見的音訊 API 錯誤及其避免方法

在決定語音品質之前，請先測試一段包含您實際會用到的詞彙的短片段：產品名稱、數字、縮寫，以及您的使用者所使用的語言。若為轉錄用途，請檢查文字內容與發言人對應是否正確；若為旁白用途，請留意發音、停頓、語速，以及在較長的段落中，預期的語氣是否得以維持。.

請使用您已獲授權處理的錄音檔案，將金鑰儲存於可信賴的伺服器上，並詳閱接收您音訊資料之服務的資料條款。若為面向客戶的產品，請將錄音及 AI 語音相關的揭露事項納入介面中。.

您應該選擇哪個 API 路徑？

直接選擇 OpenAI 當您的應用程式需要特定的 OpenAI 語音模型、已記錄的轉錄選項，或是原生即時語音會話時，請先選擇適合該任務的模型，並根據其實際的請求與計費規則進行設計。.

請考慮 GlobalGPT 當您的產品結合了來自多家供應商的音訊模型，或是您希望在聊天、圖像和影片功能之外，進一步探索語音生成功能時。請從 API 目錄開始，選擇一個可用的模型，並在進行大規模部署前先驗證一個小型任務。.

音樂、旁白和文字轉錄需要選擇不同的模型。我們針對 根據任務選擇音訊模型 有助於區分歌曲創作、語音敘述以及更複雜的音訊場景。.

若僅需處理單一的旁白錄音或會議紀錄，使用網路工具可能就已足夠。當您的應用程式必須反覆觸發該任務、將結果傳遞至下一步驟，或將結果提供給使用者時，API 便派上用場了。.

常見問題

OpenAI 音訊 API 是否為一個模型？

不，這是一組音訊介面。語音生成、檔案轉錄和檔案翻譯會使用不同的端點和模型選項。GPT-Live 和 Realtime 則為即時音訊應用程序提供了獨立的基於會話的選項。.

OpenAI 音訊 API 能否將文字轉為語音？

是的。語音輸出端點會接受文字、模型和語音資料，並回傳音訊。使用 gpt-4o-mini-tts 時，您還可以提供發音指示，例如語調和語速。預設的輸出格式為 MP3。.

我該為一款新的轉錄應用程式選用哪種模型呢？

OpenAI 目前的檔案轉錄指南建議，對於一般錄製的語音，應使用 gpt-transcribe。若涉及字詞時間戳記、字幕格式或發言者標籤等特殊需求，請另行確認，因為各模型對這些功能的支持情況不盡相同。.

Whisper 是否即將停用？

OpenAI 宣布其託管的 Whisper-1 API 模型將於 2027 年 2 月 26 日停止服務，同時停用的還有三款較舊的 GPT-4o 轉錄模型。此為 API 模型的停用，並非表示所有 Whisper 軟體或所有 OpenAI 音訊服務都將停止運作。.

語音翻譯會輸出語音檔嗎？

不。檔案翻譯端點會根據錄製的語音返回英文文字。若要產生翻譯後的語音，您需要額外的語音生成步驟，或使用專用的語音翻譯服務。.

我可以將 Audio API 用於即時語音助理嗎？

您可以將文字轉錄、文字模型與語音生成整合為語音助理，但即時對話處理則需要額外的設計。OpenAI 建議將 GPT-Live 作為新建對話式語音應用的起點；此外，該文件也記錄了獨立的即時 API。.

GlobalGPT 有音訊 API 嗎？

是的。GlobalGPT 的 API 概覽文件說明了透過其「任務」端點進行音訊生成，以及圖像和影片生成。其「模型」端點列出了模型 ID 和價格。在發送請求之前，請先確認所選模型的可用性與參數。.

GlobalGPT 的音訊 API 與 OpenAI 的是否完全相同？

這些文件記載了不同的音訊路由方式：OpenAI 提供專用的音訊端點，而 GlobalGPT 則透過其任務 API 來傳輸音訊生成。請使用所選供應商的模型 ID 和請求欄位；OpenAI 端點的相容性及即時語音支援功能，必須另行驗證。.