Codex GPT-6.2 Sol 回傳音訊後出現 HTTP 400?Windows 影片製作案例

| Application program | 4 Reads

用 Codex 製作影片時,FFmpeg 可以在 Windows 本機成功抽出 MP3,Codex 卻可能在工具把音檔交回模型後收到 HTTP 400。如果工作只需要合成、轉寫或量測,讓本機程式讀取媒體,工具只回傳文字結果,就能繼續處理有聲影片。

錯誤發生在工具回傳音訊之後

2026 年 11 月 19 日的 Windows 案例使用 Codex Desktop 26.1111.2228.0,內建執行環境版本為 0.169.0-alpha.11.1。FFmpeg 已完成抽音。接著工具用 audio(...) 將 MP3 作為 input_audio 回傳給模型,下一個 GPT-6.2 Sol 請求就收到以下回應。

HTTP 400
invalid_request_error
Audio input is not available.

這個順序有助於定位問題。HTTP 400 出現在模型請求階段,抽出的 MP3 已存在。同一會話即使只發送文字,Codex 仍可能把先前的工具音訊一併帶入下一個請求,於是文字追問也會遇到相同錯誤。相關回報也出現過 WAV 工具輸出。GitHub #62212

模型快取如何影響工具結果

事後檢視這台電腦的 Codex 模型快取,兩個條目的 input_modalities 如下。這個欄位描述用戶端認為可以放進模型請求的輸入類型。

  • GPT-6.2 Sol ["text","image","audio"]
  • GPT-6.1 Sol ["text","image"]

公開的 Codex rust-v0.169.0 程式碼顯示,用戶端會先把遠端取得的模型清單寫入已配置的快取,再套用到目前的遠端清單。條目省略 input_modalities 時,預設只有文字和圖片。模型快取的寫入流程、預設輸入類型

準備會話上下文時,模型條目含有 audio,用戶端便保留工具結果裡的音訊。條目缺少 audio 時,同一段程式碼會把 input_audio 換成文字佔位。這符合案例中切回 GPT-6.1 Sol 後,同一會話恢復呼叫本機工具的觀察。工具音訊的處理規則

OpenAI 的 GPT-6.2 Sol API 規格列出文字、圖片輸入,並將音訊標為不支援。就本案例而言,事後快取、工作日誌與公開程式碼支持一個解釋:用戶端依宣告保留音訊,接收請求的服務則拒絕音訊。報錯當下的原始網路請求和模型清單回應均未擷取,OpenAI 內部的配置原因仍待官方確認。GPT-6.2 Sol 官方模型規格

讓 FFmpeg 在本機處理音訊

另一輪在 GPT-6.2 Sol 上執行相同的 FFmpeg 腳本,工具只回傳文字。這一輪完成了有聲影片合成、自動驗收與雜湊比對,重跑成片與原成片的檔案雜湊一致。

  • 合成與檢查 由 FFmpeg 讀取、混音或輸出媒體,以 ffprobe 查驗音訊串流、編碼或片長。回傳檔案位置、結束狀態和檢查結果即可。ffprobe 官方文件
  • 對稿與檢查畫面 由本機轉寫程式讀取音檔,交給模型的是逐字稿、時間戳和量測值。要看剪接點或字幕畫面時,可從影片抽取必要畫格。FFmpeg 官方文件
  • 接續卡住的會話 如果歷史中的音訊持續觸發 400,可從全新會話接續。把既有本機工作檔的位置、可重跑的命令和上次完成的檢查交給新會話,工具輸出採用文字。

自動驗收可依腳本檢查輸出檔可讀性、串流與時長等條件。這次的雜湊比對驗證了重跑產物和原成片一致。旁白咬字、混音聽感、突兀的剪接聲或口型同步,仍需要直接播放相應片段驗收。

公開處理進度

截至 2026 年 11 月 19 日(日本時間),GitHub #62212 仍開啟。討論中已有社群重現與修補提案,尚未看到 OpenAI 就這個案例確認根因。查閱 Codex 的公開發布紀錄(包括 0.169.1 和 0.170.0)時,也未見針對此問題的官方修正公告。GitHub #62212、Codex 官方發布紀錄

This article was last edited at