模型定位
GPT-4o Audio 是支持音频输入和输出的 GPT-4o 预览模型。本条对应固定版本 gpt-4o-audio-preview-2025-06-03,发布时通过 Chat Completions API 提供。(community.openai.com)
能力与用途
- 支持文本和音频输入、输出,以及流式输出和函数调用;可用于构建语音交互和语音智能体应用。
- OpenAI 表示,此次语音到语音模型更新改善了指令遵循可靠性、工具调用一致性和中断处理。
- 上下文窗口为 128,000 tokens,最大输出为 16,384 tokens;知识截止日期为 2023 年 10 月 1 日。(community.openai.com)
限制与状态
- 不支持图像或视频输入,不支持结构化输出、微调和预测输出。
- 该快照已关闭。OpenAI API 参考标注的计划关闭日期为 2026 年 5 月 7 日;截至 2026 年 11 月 18 日,官方模型页面将其标为已关闭。
- 本型号是 Chat Completions 版本;同日公告中的 Realtime API 版本使用不同的模型 ID,不应混同。(developers.openai.com)
价格
截至 2026 年 11 月 18 日查询,OpenAI 官方模型页面列示以下美元(USD)费率,均按每 100 万 tokens 计费。模型已关闭,这些费率不代表目前仍可调用:
| 类型 | 输入 | 输出 |
|---|---|---|
| 文本 tokens | 2.50 美元 | 10.00 美元 |
| 音频 tokens | 40.00 美元 | 80.00 美元 |
以上为官方模型页面列示的费率;缓存、批处理或其他折扣费率未核实。(developers.openai.com)
发布日期与官方来源
- **发布日期:**2025 年 6 月 3 日,OpenAI 公告当天宣布该快照可用。(community.openai.com)
- OpenAI 发布公告
- OpenAI 模型文档及定价
- OpenAI API 参考:模型关闭日期