本文目錄

Custom voices 文件一上來就是分叉：用文字寫聲音，還是從錄音克隆。兩條路徑並不共用同一套 API 面。常見坑是存下 prompt 產生的 voice id，再丟進 Text to Speech 或 Realtime，把失敗當成鑑權或計費問題。很多時候只是該聲音類型在那個端點不受支援。下文嚴格跟官網 Custom voices 指南。這不是「今天剛發布」的首發稿—開發者 Changelog 大約在 2026 年 10 月中旬已有紀錄。僅供參考；本站暫時還沒有實測音質。 生產側回饋可透過網站底部站長聯絡方式提交。

兩條建立路徑

路徑怎麼建立儲存後的聲音能用在哪
Prompt-to-voice（type: prompt）用文字描述聲線特質。不需要參考或同意錄音。僅 GPT-Live。 Text to Speech、Realtime、Chat Completions 均不支援。
錄音克隆同意錄音（對應語言的固定句）＋同一人的參考樣音。GPT-Live、Text to Speech API、Realtime API，或帶音訊輸出的 Chat Completions（見文件引言）。

Prompt-to-voice 對 API 客戶普遍可用。錄音建立的聲音僅限 eligible 客戶—聯絡 OpenAI sales，開通後在 Audio 下的 Voices 使用。

Prompt-to-voice：建立免費，使用走 GPT-Live

建立並儲存 prompt 產生的聲音是免費的。在 Playground 試聽，或在 GPT-Live 裡用該聲音產生語音，按 GPT-Live 常規工作階段費率計費。

向 /v1/audio/voices 傳送 JSON："type": "prompt"、name、描述聲音的 prompt，以及 "model": "auto"。可選 script_hint（最多 2,000 字元）引導示例腳本；空白或過短會被拒。成功回應含中繼資料（含 id），但不含音訊預覽。要聽只能跑 GPT-Live 工作階段。

文件中的限額與寫 prompt 注意點：

  • 每個組織最多 100 個 prompt 產生聲音（含應用替終端客戶建立的）。
  • 用自然語言寫特質—口音、聽感年齡、音高、音色、質感、響度、語速、辨識度。
  • 不要要求模仿具名真人、公眾人物或虛構角色。
  • 僅限成人聲。 不允許兒童聲。

在 GPT-Live 裡把 session.audio.output.voice.id 設為回傳的 id。為了音色表現，把原始描述一併寫進 session.instructions，與應用的對話規則並列。工作階段啟動時選定聲音；要試另一個已存聲音，請開新工作階段。

錄音克隆：同意、樣音、更廣介面

錄音克隆需要同一說話人的兩段上傳：

  1. 同意錄音 — 按所選語言朗讀官網同意句（英文例："I am the owner of this voice and I consent to OpenAI using this voice to create a synthetic voice model."）。偏離腳本即失敗。
  2. 樣音錄音 — 模型要貼合的參考。須與同意錄音為同一人。

同意走 /v1/audio/voice_consents，再帶樣音與 consent id 調 /v1/audio/voices。指南寫明的要求：

  • 每個組織最多 20 個錄音聲音。
  • 每段樣音 不超過 60 秒。
  • 格式：mpeg／wav／ogg／aac／flac／webm／mp4。
  • 同指南 GPT-Live 補充：至少約五秒真實語音、足夠轉寫 token、上傳上限（該路徑示例 10 MiB）—上線前請再確認現行文件。

開通後，按文件引言，錄音聲音可用於 GPT-Live、Text to Speech API、Realtime API，或帶音訊輸出的 Chat Completions。與 prompt 聲音的主要產品差別是這張更廣的面—不是「音質一定更好」的籠統承諾。

避坑：voice id 用錯介面

拿到 voice_… id 不等於每個語音端點都會接受。

  • 把 prompt 聲音丟進 Text to Speech／Realtime／音訊 Chat Completions＝該類型不受支援。
  • 錄音聲音仍需要專案權限、同專案有效同意、以及 eligible 組織。已刪除／撤銷的聲音、其他專案的同意、或缺自訂聲音權限，都可能報錯（GPT-Live 節註明部分表現為類似 404）。

先對齊建立路徑與執行時 API，再去查金鑰或配額。

責任使用

Custom voices 指南的責任使用規則對兩條路徑都適用：

  • 不要仿冒他人或違反 OpenAI Usage Policies。
  • 僅用成人聲。
  • 保持透明：告知聽者語音為 AI 生成，並保留來源中繼資料或浮水印（如有）。
  • 聲音不保證唯一；他人可能產生相近輸出。
  • 錄音聲音另見 Text-to-Speech Supplemental Agreement。

本文不提供仿冒真人的操作指引。應描述聲線特質，或在官方流程下使用已同意說話人本人的樣音。

這不是什麼

  • 不是 ChatGPT App。 此處設定與限制針對 OpenAI API 上的 開發者 Custom voices 產品。
  • 不是聲稱 prompt 聲音通吃所有語音 API。 Prompt＝僅 GPT-Live。
  • 不是音質對決。 本站沒有對比 prompt 與錄音，也暫時還沒有實測中文或日文輸出品質—相關語種結果當作未驗證。
  • 不是今日獨家首發。 可當作「選哪條路徑／哪個 API」的常青對照。