TOPIC COLLECTION
OpenAI开放「一句话生成音色」：prompt-to-voice API怎么用、免费到哪一步、只能配GPT-Live
2026-10-16 OpenAI把prompt-to-voice开放给所有API客户：用一段文字描述生成并保存音色，创建免费，用于GPT-Live会话时按常规会话计费；每个组织最多100个，暂不支持TTS、Realtime与Chat Completions。同日新增9个德法印日韩语音色。
资料更新：2026-10-19
依据OpenAI Release notes（2026-10-16）与API文档《Custom voices》。本站未用真实项目批量测试音色质量。核查2026-10-19（新加坡时间）。
主题标签：OpenAI、prompt-to-voice、GPT-Live、自定义音色、语音API
做语音客服、陪练、播客小助手的开发者，以前想要一个「品牌专属嗓音」，基本只有两条路：在现成音色里挑一个凑合，或者找配音演员录音、签授权、再走定制流程。OpenAI这次补了第三条路：写一段话描述你想要的声音，接口直接给你存一个音色。
按OpenAI官网Release notes，2026-10-16起prompt-to-voice对所有API客户开放。可以走API，也可以在voice Playground里点。生成出来的音色只给GPT-Live用。同一天还给GPT-Live加了9个现成音色：德语Nuri、Juni、Flitz，法语Brise、Sillage，印地语Nira，日语Harema、Shida，韩语Noeul。这批新音色里没有中文。
下面按官方文档把流程、费用和限制拆开说。本站没有拿真实业务批量测过音质，涉及效果的判断请以你自己的试听为准。
它到底解决什么问题
核心是把「找声音」这件事从录音棚搬进提示词。你写「成年人、温和、中等音高、语速平稳、美式英语口音」，系统据此合成一个声音并保存成voice_xxx这样的ID，下次开GPT-Live会话时直接引用。
它和「声音克隆」不是一回事。克隆要上传真人录音和同意书，复刻的是某个具体的人；prompt-to-voice不需要任何录音，也不允许你在描述里要求模仿某位名人、公众人物或动漫角色。
四步跑通
1. 准备一个描述。官方建议用平常话写几项特征：口音及浓淡、听起来的年龄、性别呈现、音高、音色质感（顺滑还是沙哑）、用力程度、语速、辨识度。这些都写在prompt里，不是单独的参数。
2. 调接口创建。向POST /v1/audio/voices发JSON，type填prompt，再给name和prompt，model可以填auto。示例（密钥用环境变量，别写进代码库）：
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":"售后助手","prompt":"A calm adult voice, mid-range pitch, warm tone, steady pace.","model":"auto"}'可选字段script_hint能塞一段最多2000字符的示例台词，帮模型揣摩说话场景；不填就由服务自己生成，太短或空白会被拒。
3. 记下返回的ID。返回体只有元数据：ID、名称、创建时间、类型和你原来的描述，没有试听音频。想听效果，得真的开一个GPT-Live会话。
4. 在会话里引用。把session.audio.output.voice.id设成刚才的ID，同时把原始描述也写进session.instructions，官方说这样声音表现更稳。音色只能在会话开始时指定，想换就新开一个会话。
钱花在哪
创建音色本身免费。在Playground里试听，等于跑了一次GPT-Live会话，按常规会话计费；正式上线后说话的部分同样按GPT-Live会话价格走。也就是说，你可以多建几个版本对比，但每一轮试听都会产生会话费用，调参前最好固定一段测试台词，别一边改描述一边长时间闲聊。
几条硬限制，上线前要知道
- 只能配GPT-Live。文本转语音（TTS）、Realtime API、Chat Completions的音频输出都用不了prompt生成的音色。你的产品如果还跑在老的TTS管线上，这次更新帮不上忙。
- 每个组织最多100个。这个上限也包括你替自己的客户生成的音色。做SaaS、给每个客户建一个嗓音的，要提前想好回收和复用策略。
- 每次请求都会新建一个。同样的描述连续提交两次，会得到两个不同的音色ID，额度也算两次。
- 不支持零数据保留（ZDR）。通过
/v1/audio/voices创建音色这一步不兼容ZDR；GPT-Live生成语音在开启ZDR的组织里仍然可以合规使用。对数据合规要求高的团队，要把这两步分开评估。 - 不保证独一无二。别人写出相近的描述，可能得到很像的声音。别把它当成可以注册保护的品牌资产。
使用规范：哪些描述会踩线
文档写得很直白：不得冒充他人；只能是成年人的声音，儿童音色不允许；要告诉听众这是AI合成的语音，并保留来源元数据、水印等标识。做电话外呼、直播带货的团队尤其要注意，用户分不清是真人还是AI，本身就可能违反当地法规和平台规则。
从安全角度看还有一层：你的客户一旦熟悉了某个品牌音色，骗子也可能用相似描述做出接近的声音冒充你。比较稳的做法是在关键环节（退款、改密码、转账）加文字或App内确认，而不是只靠「声音听着像客服」。
和录音克隆、第三方语音平台怎么选
| 方式 | 需要录音 | 可用接口 | 门槛 |
|---|---|---|---|
| prompt-to-voice | 不需要 | 仅GPT-Live | 所有API客户，免费创建 |
| OpenAI录音定制音色 | 同意书录音+不超过30秒样本 | GPT-Live、TTS、Realtime、Chat Completions | 需符合条件、联系销售开通，每组织最多20个 |
| 第三方语音平台 | 视产品而定 | 各自API | 按各家套餐 |
录音路线的同意书支持中文，原句是「我是此声音的拥有者并授权OpenAI使用此声音创建语音合成模型」，必须一字不差。中文场景如果追求情绪表演、多角色配音，ElevenLabs、Fish Audio、Cartesia、Murf AI、Resemble AI这类专做语音的平台选择更多；如果你的对话逻辑本来就跑在GPT-Live上，prompt-to-voice省掉了跨平台拼接的麻烦。
写描述的小经验
官方给的方法是一次只改一个特征，用同一段短文本加几轮对话对比。我会再加两条：描述里别塞对话规则（回答多长、什么时候打断），那些属于会话指令；第二，把你最终选中的描述和ID一起存进配置库，因为返回体只会原样带回prompt，团队换人以后，没人记得当初为什么选了这个声音。
想先了解GPT-Live本身的新模型和音色变化，可以看站内GPT-Live-1.1与新音色解读；语音转写和配音工具的对比在AI语音转写怎么选和AI音频与音乐入门。工具入口在AI配音/TTS分类、AI音频分类和AI媒体API分类，开发者平台入口见OpenAI开发者平台。
常见疑问
ChatGPT App里能用自己生成的音色吗？这次开放的是API和Playground，面向开发者。ChatGPT Voice里能选的仍是官方音色，具体以设置页为准。
能生成中文音色吗？文档没有限制描述语言，但录音定制路线明确写了gpt-live-1支持「英语口音」的自定义音色。中文发音效果请自己试听验证，别只看英文样例下结论。
删掉的音色还能恢复吗？文档提到被删除或吊销的音色在会话里可能表现为404，生产环境最好保留备用ID。
来源与核查日期
- OpenAI Release notes：Prompt-to-voice and nine new GPT-Live voices（2026-10-16）
- OpenAI API文档：Custom voices
核查日期：2026-10-19（新加坡时间）。价格、额度与支持接口以OpenAI当前文档为准。
