BizRouter 비즈라우터

음성 대화

gpt-audio 계열은 REST 기반 Chat Completions에서 텍스트와 오디오를 함께 이해하고, 텍스트와 음성으로 답합니다. 실시간 연결이 필요하지 않은 음성 질의응답과 비동기 처리를 위한 방식입니다. Chat Completions 전용 모델입니다 POST /v1/chat/completions 로 호출해야 합니다. /v1/audio/speech 는 TTS 전용이고, /v1/realtime 은 gpt-realtime 전용입니다.

모델 선택

모두 텍스트·오디오 입력과 텍스트·오디오 출력을 지원합니다 openai/gpt-audio-1.5 최신 음성 대화 모델입니다. 품질이 중요한 대화형 처리에 적합합니다. openai/gpt-audio 일반 목적의 오디오 입출력 모델입니다. openai/gpt-audio-mini 대량 처리와 비용 최적화가 중요한 경우에 적합합니다.

텍스트를 음성으로 답하게 하기

modalities와 audio를 함께 지정합니다 cURL Node.js Python

오디오 파일을 질문으로 보내기

mp3 또는 wav 파일을 base64로 인코딩해 input_audio 파트로 보냅니다 파일 업로드 엔드포인트가 아닙니다 gpt-audio 입력은 JSON 본문의 base64 데이터입니다. 파일을 그대로 multipart로 올려 전사만 하려면 음성 인식 API 를 사용해야 합니다.

주요 요청 필드

modalities ["text", "audio"] 로 지정하면 음성과 전사를 함께 받습니다. audio.voice 출력 음성을 선택합니다. 예: coral, alloy, ash, ballad, echo, sage, shimmer, verse. audio.format 출력 오디오 형식입니다. wav, mp3 등을 모델이 지원하는 범위에서 선택합니다. input_audio base64 데이터와 원본 형식(mp3 또는 wav)을 함께 지정합니다.

응답과 사용량

오디오 데이터와 transcript가 assistant message 안에 들어옵니다 audio.data 는 base64입니다. 디코딩한 뒤 요청한 형식으로 저장해야 합니다. 오디오 토큰은 텍스트 토큰과 단가가 달라 사용량 상세에서 분리해 청구합니다. 낮은 지연시간과 지속적인 마이크 입력에는 Realtime이 적합합니다 Chat Completions는 요청 단위로 완결되는 REST 호출입니다. 사용자가 말하는 동안 오디오를 계속 보내고 즉시 끼어들기·도구 호출·음성 응답을 처리하려면 Realtime API 가 적합합니다. 네 방식의 차이는 오디오 API 에서 비교할 수 있습니다.

주식회사 AI3 | 서울 강남구 영동대로85길 34 | support@bizrouter.ai