Please add audio in streaming response for gpt-4o-audio-preview

问题场景

用户在 OpenAI Python SDK 中使用 gpt-4o-audio-preview 或 gpt-4o-mini-audio-preview 的 Chat Completions 流式接口（streaming）。按模型描述，这两个模型支持流式输出音频；但 SDK v1.98.0 的 stream chunk 类型中没有声明 audio 字段，API Reference 文档同样没有该字段。用户实际测试后确认服务器响应里确实返回了 audio，因此请求补充类型定义与文档。

报错原文

Please add audio in streaming response for gpt-4o-audio-preview

该文案来自 Issue 标题，属于功能请求性质，并非运行时抛出的异常栈。

原因分析

最可能的原因是 SDK 的类型定义/OpenAPI schema 尚未同步音频流式响应新增的字段。维护者在评论中确认：SDK 在运行时保留了这些 streamed audio fields，但 schema 仍需要一个 typed audio delta，相关工作已转到 openai/openai-openapi#577 跟踪，包括每个 chunk 的字段和最终 expiry 更新。因此这是 schema 与文档滞后于实际 API 返回的问题，而不是请求参数配置错误。具体字段结构以 #577 为准，Issue 中未展开。

环境排查

• 确认 OpenAI Python SDK 版本，Issue 中明确为 v1.98.0。
• 确认调用的模型是否为 gpt-4o-audio-preview 或 gpt-4o-mini-audio-preview。
• 确认是否使用 stream=True 的 Chat Completions 流式调用。
• 确认是否由静态类型检查器（如 mypy/pyright）或 IDE 补全触发字段缺失提示，而非运行时异常。
• Python、操作系统、CUDA、显卡、依赖版本等信息 Issue 中未提供，遇到问题时按自身环境另行确认。

解决步骤

1. 先区分问题类型：如果是运行时实际拿到了 audio 数据但类型检查报缺失，属于本 Issue 描述的 schema 缺失，不是调用代码写错。
2. 不要去掉 stream=True 或改用非流式作为修复手段，Issue 中确认音频字段在流式响应里确实存在。
3. 如果只是想读取音频数据，可优先尝试用兼容方式访问 chunk 中的音频内容，例如以字段/字典方式读取 audio，而不是强依赖 SDK 的静态类型声明。
4. 关注 openai/openai-openapi#577 的进展，等待 typed audio delta 正式发布后再改用官方类型定义。
5. 升级 SDK 前先核对目标版本是否确实包含该字段，Issue 中未给出包含该字段的已发布版本。

验证方法

确认两点：一是流式返回的 chunk 中能实际取到音频数据；二是查询 openai/openai-openapi#577 是否已关闭并随 SDK 版本发布 typed audio delta。若 #577 尚未落地，则该字段缺失问题在类型层面仍未解决。

参考来源

openai/openai-python #2507

openai/openai-openapi #577

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。