GPT Audio от OpenAI - мультимодальная модель для работы с текстом и аудио¶

Первая общедоступная аудиомодель OpenAI для генерации и обработки звука с расширенным контекстом.

OpenAI Контекст 128K Вход: текст, аудио $2.50 / 1М вход

Что это¶

GPT Audio - это мультимодальная модель от OpenAI, которая работает как с текстом, так и с аудио. Она представляет собой первую общедоступную аудиомодель компании с улучшенным декодером для более естественного звучания голосов. Модель способна обрабатывать аудиовход и генерировать текстовый или аудиовыход.

Что умеет¶

Модель выделяется способностью работать с аудиофайлами наравне с текстом, что открывает возможности для создания голосовых ассистентов, аудиотранскрипции и синтеза речи. Улучшенный декодер обеспечивает более натуральное звучание голосов и лучшую консистентность. Поддержка инструментов позволяет интегрировать модель в сложные рабочие процессы.

Кому подходит¶

Подходит разработчикам голосовых интерфейсов, создателям контента для синтеза речи, а также для задач транскрибирования аудио и создания аудиоассистентов.

Характеристики¶

Параметр	Значение
Провайдер	OpenAI
Контекст	128 000 токенов
Вход	текст, аудио
Выход	текст, аудио
Цена входа	$2.50 / 1М токенов
Цена выхода	$10.00 / 1М токенов
Макс. вывод	16 384 токенов
Вызов инструментов (tools)	да
Режим рассуждения	нет
Появилась	Январь 2026
Обновлено	11 июн 2026

Где запустить: провайдеры¶

Модель раздаётся через 1 провайдер. Контекст, цены за 1М токенов по провайдерам:

Провайдер	Контекст	Макс. вывод	Вход $/1М	Выход $/1М
OpenAI	128K	16K	$2.50	$10.00

Доступ из России¶

Для использования из России доступна через агрегаторы моделей, такие как OpenRouter (ID: openai/gpt-audio), где можно оплатить криптовалютой или международными картами. Прямой доступ к API OpenAI из РФ ограничен, поэтому OpenRouter является основным обходным путем.