本文目录

Custom voices 文档一上来就是分叉：用文字写声音，还是从录音克隆。两条路径并不共用同一套 API 面。常见坑是存下 prompt 生成的 voice id，再丢进 Text to Speech 或 Realtime，把失败当成鉴权或计费问题。很多时候只是该声音类型在那个端点不受支持。下文严格跟官网 Custom voices 指南。这不是「今天刚发布」的首发稿——开发者 Changelog 大约在 2026 年 10 月中旬已有记录。仅供参考；本站暂时还没有实测音质。 生产侧反馈可通过网站底部站长联系方式提交。

两条创建路径

路径怎么创建保存后的声音能用在哪
Prompt-to-voice（type: prompt）用文字描述声线特质。不需要参考或同意录音。仅 GPT-Live。 Text to Speech、Realtime、Chat Completions 均不支持。
录音克隆同意录音（对应语言的固定句）＋同一人的参考样音。GPT-Live、Text to Speech API、Realtime API，或带音频输出的 Chat Completions（见文档引言）。

Prompt-to-voice 对 API 客户普遍可用。录音创建的声音仅限 eligible 客户——联系 OpenAI sales，开通后在 Audio 下的 Voices 使用。

Prompt-to-voice：创建免费，使用走 GPT-Live

创建并保存 prompt 生成的声音是免费的。在 Playground 试听，或在 GPT-Live 里用该声音生成语音，按 GPT-Live 常规会话费率计费。

向 /v1/audio/voices 发送 JSON："type": "prompt"、name、描述声音的 prompt，以及 "model": "auto"。可选 script_hint（最多 2,000 字符）引导示例脚本；空白或过短会被拒。成功响应含元数据（含 id），但不含音频预览。要听只能跑 GPT-Live 会话。

文档中的限额与写 prompt 注意点：

  • 每个组织最多 100 个 prompt 生成声音（含应用替终端客户创建的）。
  • 用自然语言写特质——口音、听感年龄、音高、音色、质感、响度、语速、辨识度。
  • 不要要求模仿具名真人、公众人物或虚构角色。
  • 仅限成人声。 不允许儿童声。

在 GPT-Live 里把 session.audio.output.voice.id 设为返回的 id。为了音色表现，把原始描述一并写进 session.instructions，与应用的对话规则并列。会话启动时选定声音；要试另一个已存声音，请开新会话。

录音克隆：同意、样音、更广接口

录音克隆需要同一说话人的两段上传：

  1. 同意录音 — 按所选语言朗读官网同意句（英文例："I am the owner of this voice and I consent to OpenAI using this voice to create a synthetic voice model."）。偏离脚本即失败。
  2. 样音录音 — 模型要贴合的参考。须与同意录音为同一人。

同意走 /v1/audio/voice_consents，再带样音与 consent id 调 /v1/audio/voices。指南写明的要求：

  • 每个组织最多 20 个录音声音。
  • 每段样音 不超过 60 秒。
  • 格式：mpeg／wav／ogg／aac／flac／webm／mp4。
  • 同指南 GPT-Live 补充：至少约五秒真实语音、足够转写 token、上传上限（该路径示例 10 MiB）——上线前请再确认现行文档。

开通后，按文档引言，录音声音可用于 GPT-Live、Text to Speech API、Realtime API，或带音频输出的 Chat Completions。与 prompt 声音的主要产品差别是这张更广的面——不是「音质一定更好」的笼统承诺。

避坑：voice id 用错接口

拿到 voice_… id 不等于每个语音端点都会接受。

  • 把 prompt 声音丢进 Text to Speech／Realtime／音频 Chat Completions＝该类型不受支持。
  • 录音声音仍需要项目权限、同项目有效同意、以及 eligible 组织。已删除／撤销的声音、其他项目的同意、或缺自定义声音权限，都可能报错（GPT-Live 节注明部分表现为类似 404）。

先对齐创建路径与运行时 API，再去查密钥或配额。

责任使用

Custom voices 指南的责任使用规则对两条路径都适用：

  • 不要仿冒他人或违反 OpenAI Usage Policies。
  • 仅用成人声。
  • 保持透明：告知听者语音为 AI 生成，并保留来源元数据或水印（如有）。
  • 声音不保证唯一；他人可能生成相近输出。
  • 录音声音另见 Text-to-Speech Supplemental Agreement。

本文不提供仿冒真人的操作指引。应描述声线特质，或在官方流程下使用已同意说话人本人的样音。

这不是什么

  • 不是 ChatGPT App。 此处设置与限制针对 OpenAI API 上的 开发者 Custom voices 产品。
  • 不是声称 prompt 声音通吃所有语音 API。 Prompt＝仅 GPT-Live。
  • 不是音质对决。 本站没有对比 prompt 与录音，也暂时还没有实测中文或日文输出质量——相关语种结果当作未验证。
  • 不是今日独家首发。 可当作「选哪条路径／哪个 API」的常青对照。