# GPT-4o Audio

Éditeur : OpenAI (États-Unis). Poids fermés (selon Artificial Analysis).

En bref : 33e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 31e sur 34 au délai avant le premier son.

Page : https://quelleia.com/voix/modeles/openai-gpt-4o-audio/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 9 novembre 2026.

## Présentation

Préversion de GPT-4o qui accepte et produit de l'audio dans l'API Chat Completions, requête par requête. Elle repose sur le même modèle que l'API Realtime. (lu sur https://developers.openai.com/api/docs/models/gpt-4o-audio-preview.md, https://developers.openai.com/api/docs/changelog.md)

- Sortie : 17 octobre 2024 (lu sur la page de l'éditeur, https://developers.openai.com/api/docs/changelog.md)

## Langues

- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.

## Ses classements

- Raisonnement à l'écoute, Big Bench Audio : 33e sur 38, part de réussite 54,3 % ; coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).
- Délai avant le premier son : 31e sur 34, délai avant le premier son 3,38 s ; coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).

## Modèles proches

- Raisonnement à l'écoute, Big Bench Audio : [Qwen3 Omni 30B A3B Instruct (realtime)](https://quelleia.com/voix/modeles/alibaba-qwen3-omni-30b-a3b-instruct-realtime/), 32e (56,8 %), juste devant
- Raisonnement à l'écoute, Big Bench Audio : [Freeze-Omni](https://quelleia.com/voix/modeles/vita-freeze-omni/), 34e (33,4 %), juste derrière
- Délai avant le premier son : [Qwen3.5-Omni-Plus-Realtime](https://quelleia.com/voix/modeles/alibaba-qwen3-5-omni-plus-realtime/), 30e (2,64 s), juste devant
- Délai avant le premier son : [Gemini 2.5 Flash Native Audio Dialog Thinking](https://quelleia.com/voix/modeles/google-gemini-2-5-flash-native-audio-dialog-thinking/), 32e (3,87 s), juste derrière

## Comment lire ces chiffres

- Voix à voix : Un agent vocal écoute et répond de vive voix. Artificial Analysis le mesure sur plusieurs épreuves en anglais : son indice les résume sur 100, Big Bench Audio compte les bonnes réponses à des questions posées à l'oral, la tenue de la conversation compte les situations bien gérées (pauses, interruptions), plus c'est haut, mieux c'est ; le délai avant le premier son se lit à l'inverse, plus il est court, mieux c'est.

## Noms dans les sources

- Artificial Analysis (voix à voix) : GPT-4o audio chatcompletions

## Liens

- Page de l'éditeur : https://developers.openai.com/api/docs/models/gpt-4o-audio-preview

## Pages lues

- https://developers.openai.com/api/docs/models/gpt-4o-audio-preview.md (« This is a preview release of the GPT-4o Audio models. These models accept audio inputs and outputs, and can be used in the Chat Completions REST API. »), 23/10/2026
- https://developers.openai.com/api/docs/changelog.md (« ### Oct 17 Feature · Model: gpt-4o-audio-preview · API: v1/chat/completions Released [new `gpt-4o-audio-preview` model](https://developers.openai.com/api/docs/guides/audio) for chat completions, which supports both audio inputs and outputs. Uses the same underlying model as the [Realtime API](https://developers.openai.com/api/docs/guides/realtime). »), 23/10/2026