模型定位
GPT-4o Audio 是支援音訊輸入和輸出的 GPT-4o 預覽模型。本條對應固定版本 gpt-4o-audio-preview-2025-06-03,發布時透過 Chat Completions API 提供。(community.openai.com)
能力與用途
- 支援文字和音訊輸入、輸出,以及串流輸出和函式呼叫;可用於建構語音互動和語音智慧代理應用。
- OpenAI 表示,此次語音到語音模型更新改善了指令遵循可靠性、工具呼叫一致性和中斷處理。
- 上下文視窗為 128,000 tokens,最大輸出為 16,384 tokens;知識截止日期為 2023 年 10 月 1 日。(community.openai.com)
限制與狀態
- 不支援影像或影片輸入,不支援結構化輸出、微調和預測輸出。
- 該快照已關閉。OpenAI API 參考文件標註的計畫關閉日期為 2026 年 5 月 7 日;截至 2026 年 11 月 18 日,官方模型頁面將其標為已關閉。
- 本型號是 Chat Completions 版本;同日公告中的 Realtime API 版本使用不同的模型 ID,不應混同。(developers.openai.com)
價格
截至 2026 年 11 月 18 日查詢,OpenAI 官方模型頁面列示以下美元(USD)費率,均按每 100 萬 tokens 計費。模型已關閉,這些費率不代表目前仍可呼叫:
| 類型 | 輸入 | 輸出 |
|---|---|---|
| 文字 tokens | 2.50 美元 | 10.00 美元 |
| 音訊 tokens | 40.00 美元 | 80.00 美元 |
以上為官方模型頁面列示的費率;快取、批次處理或其他折扣費率未經查證。(developers.openai.com)
發布日期與官方來源
- **發布日期:**2025 年 6 月 3 日,OpenAI 公告當天宣布該快照可用。(community.openai.com)
- OpenAI 發布公告
- OpenAI 模型文件及定價
- OpenAI API 參考:模型關閉日期