OpenAI旧TTS接口怎么迁移?Realtime音频事件与文件输出检查
核对2027年1月6日旧语音模型停用安排,从一次Speech请求改为Realtime会话事件;检…
文章目录

如果现有程序仍调用/v1/audio/speech,迁移不能只改model字符串。官方已将tts-1、tts-1-hd和gpt-4o-mini-tts系列列为弃用,计划于2027年1月6日停用,推荐转向Realtime API的gpt-realtime-2.1-mini。本文按实际调用流程制定迁移和验收步骤,不把公告当成已完成改造。
第一步:盘点旧接口的输入和输出
找出旧请求中的模型、音色、输入文本、语速或其他配置,以及输出格式。再检查程序依赖的是完整MP3下载还是边生成边播放,列出调用方和失败重试方式。
旧Speech模型名与Realtime模型属于不同接口。官方明确gpt-realtime-2.1-mini不能直接用在/v1/audio/speech;先建立新的会话接入分支,保留现有服务直到新路径通过验证。记录截止日期,不推测一定会延期。
迁移表:旧模型;旧端点;输入长度;音色;输出格式;前端播放方式;是否保存文件;错误重试;新会话创建方式;实际验收记录。
第二步:建立Realtime会话并确认配置
服务器接入可按官方WebSocket指南建立连接,浏览器场景评估WebRTC及相应鉴权流程。不要把服务端长期密钥直接放到网页;本篇聚焦事件组织,不提供省略鉴权的“可直接上线”示例。
等待会话创建并更新所需音频输出配置。当前指南使用output_modalities选择audio或text,不应同时把两者并列当成双输出开关。音色和输出编码采用目标模型当前支持的值,旧音色不可假定全部等名对应。
第三步:把文本作为会话项目提交
通过conversation.item.create添加用户文本,再通过response.create要求生成音频。为了检验朗读是否遵守原文,用一段固定短句和数字,说明只朗读给定文字;生成语音仍需逐字听核,不能保证天然等同旧TTS行为。
以下是事件结构练习,需在已正确连接的会话中发送;模型与音频配置在会话步骤设置,不是把JSON提交给旧Speech端点。
{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"请只朗读:演示订单DEMO-17,数量三件。"}]}}
{"type":"response.create","response":{"output_modalities":["audio"]}}
第四步:接收音频片段并检查终态
WebSocket客户端监听response.output_audio.delta,将delta里的Base64解码为音频字节,按事件顺序处理。不要把整段JSON写成MP3,也不能把原始PCM仅改扩展名当成有效MP3文件。
response.output_audio.done代表音频段结束,还需检查response.done及响应状态和错误。网络断开、只收到部分音频或生成被截断时,不得把文件标为完整。WebRTC的媒体轨道处理与WebSocket字节流流程不同,不混用播放器。
验收:收到音频事件;Base64正确解码;输出格式与播放器一致;顺序无重复;结束状态成功;实际可播放;文字与数字一致;中断输出未冒充完整文件。
第五步:回归测试后再切换调用方
选择中文、英文、数字、标点和较长段落做对照,核对朗读内容、音频时长和文件格式。文本比对、音频播放和接口状态分别验收;不要仅凭HTTP握手成功判迁移成功。
面向最终听众提供清楚的AI生成语音标识,这是官方语音使用要求。上线前记录回退范围与停用日,切换后观察真实日志。本文未运行付费语音请求,不提供虚构速度、音质评分或固定成本节省。
官方资料
资料核对日期:2026年11月22日。
本文地址:https://www.163264.com/22482


