prompt-to-voice 是通过文字描述创建自定义音色的功能，GPT-Live是使用音色进行实时语音交互的模型与会话能力。前者决定声音特点，后者负责听说与交互。官方当前说明：创建prompt音色免费，实际在GPT-Live中生成语音按会话计费；这类音色不能直接用于所有OpenAI音频接口。
prompt-to-voice 与 GPT-Live 的区别
| 对象 | 输入与结果 | 费用口径 |
|---|---|---|
| prompt-to-voice | 声音描述 → 保存的voice ID | 创建免费 |
| GPT-Live | 实时交互 → 语音等会话输出 | 按当前会话价格计费 |
| 录音创建音色 | 获同意的录音与样本 → 音色 | 走另一条创建流程 |
官方入口与创建步骤
- 进入官方voice Playground，或调用/v1/audio/voices；先确认使用的是API项目而非普通ChatGPT订阅页面。
- 描述成年声音的语速、音高、语气与口音；不要求模仿某个真实人物。
- 保存返回的voice ID及原描述。创建响应是元数据，不包含可直接播放的音频。
- 在GPT-Live会话中引用该ID试听，试听会运行会话并产生相应费用。
创建请求示例
curl --fail-with-body https://api.openai.com/v1/audio/voices \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"type":"prompt","name":"产品演示音色",
"prompt":"An adult voice, calm and clear, medium pitch, unhurried pace.",
"model":"auto"}' 这是核对官方参数后的示例，本次未创建在线音色。成功后取响应id，在会话配置的session.audio.output.voice.id使用；同时在instructions中保留原声音描述，以维持风格。
可以拿去 TTS 或旧 Realtime 用吗？
官方将prompt生成音色与录音音色区分：prompt生成的音色用于GPT-Live，当前不支持Text to Speech、旧Realtime或Chat Completions音频接口。不要只看到都返回voice ID，就把ID填进另一产品。
如何写容易比较的声音描述？
保持测试文案相同，每次只改一个声音特征。例如先比较中速与慢速，再比较柔和与明亮的语气。如果一边改声音一边改稿件，很难判断差异。可以用一句包含数字、日期和专有名词的演示文案，重点听清晰度与节奏；这比“更专业一点”更容易复现。
本文未提供本次生成的试听文件；实际官方试听入口见文档中的voice Playground。对外使用时明确告知是AI合成声音，避免把生成音色包装成真人录音。
继续阅读
Qwen3.8 LiveTranslate 是什么？支持语言、开放入口与实时翻译能力
资料与更新说明
资料核验于2026年10月22日。下列演示输入、费用算例和任务拆分由本文设计；未标明实测的外部模型调用不代表本次已运行。产品开放范围与费用以官方当前页面及账号为准。