OpenAI Speech API 入门：Whisper 转写与 TTS 合成

这篇解决什么： 在应用里使用 OpenAI 语音相关 API（常见为语音转写 Speech-to-Text、语音合成 Text-to-Speech；具体产品名与模型 ID 以官方为准）。
适合谁： 已会 API 入门，要把音频进/出接到自己服务的开发者。
不是这篇： ChatGPT App / 网页里点麦克风聊天——见 ChatGPT 语音指南。

上次核对方向：2026-09-18。Endpoint、模型名、定价与限额以 platform.openai.com 文档 为准；下文用稳定概念，不编造未核对的字段表。

快速结论

需求	方向
用户在 ChatGPT 里说话聊天	产品 Voice
App 上传音频 → 文本	Speech-to-Text / 转写 API（常称 Whisper 系列，以文档为准）
文本 → 音频文件/流	TTS / 语音合成 API
多步工具编排	Agents + 把语音 I/O 当工具

和 ChatGPT Voice 的边界

	ChatGPT Voice	Speech API
使用者	终端用户	开发者
集成位置	chatgpt.com / 官方 App	你的后端或客户端（Key 勿暴露）
控制力	产品设定	格式、存储、鉴权、批处理由你设计
计费	订阅/产品规则	API 用量（官方定价页）

概念工作流

A. 语音 → 文本（STT）

1. 在服务端保存音频（注意保留期与合规）。
2. 调用官方转写接口（SDK 方法名以当前 openai 包文档为准）。
3. 拿回文本后做：敏感信息过滤 → 再送入 Responses 或 Completions 做理解。
4. 不要把原始音频日志默认永久存储。

B. 文本 → 语音（TTS）

1. 先定稿文本（避免把未审核的模型胡话直接播报）。
2. 调用官方 TTS 接口，选择文档列出的 voice / format。
3. 返回音频流或文件，由你的 CDN/对象存储分发。
4. 无障碍与版权：确认你对播报内容有权使用。

最小示意（结构示例，非保证可复制字段）

import OpenAI from 'openai';
import fs from 'node:fs';

const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

// 转写：方法名与参数以官方 SDK 文档为准
async function transcribe(filePath: string) {
  const file = fs.createReadStream(filePath);
  const result = await client.audio.transcriptions.create({
    file,
    model: 'whisper-1', // 以平台当前模型列表为准；名称变更时以官方文档替换
  });
  return result.text;
}

// TTS：同上，以文档为准
async function speak(text: string, outFile: string) {
  const response = await client.audio.speech.create({
    model: 'tts-1', // 常见示例名；上线前对照官方当前 TTS 模型列表
    voice: 'alloy', // 以文档枚举为准
    input: text,
  });
  const buffer = Buffer.from(await response.arrayBuffer());
  fs.writeFileSync(outFile, buffer);
}

若本地 SDK 报错或模型名无效：以官方文档当前列表为准升级 SDK，不要复制过时博客字段。流式与成本控制原则见 流式与成本。

设计注意

1. Key 只放服务端；移动端直出 Key 等于公开钱包。
2. 隐私：通话录音、会议音频可能含 PII；写明用途与删除策略。
3. 延迟：先转写再对话会叠加 RTT；产品 Voice 是另一条优化路径。
4. 幻觉：TTS 只是朗读；错的文本读出来仍是错的。
5. 与 Realtime / 低延迟双工：若官方另有实时语音接口，属进阶专题；本页只覆盖批式 STT/TTS 入门心智。

常见问题

必须先学 Responses 吗？

不必。STT/TTS 可独立。若转写后要工具调用，再接 Responses / Agents。

能代替专业字幕团队吗？

通用清晰音频可以辅助；嘈杂、重口音、专业术语仍需人工校对。

相关阅读

• OpenAI API 入门
• ChatGPT 语音（产品）
• Responses API
• Agents SDK
• 流式与成本

使用入口

• 开发文档：platform.openai.com
• 对话体验（非 API）：ChatGPT