# Проверка удалённого озвучивания с локальным входом Codex Переносимый запуск: команды ниже выполняются из корня комплекта, не из каталога этой страницы. Подготовка описана в [AUDIO-README.md](). Проверено **30 сентября 2026** в ChatGPT Community с bundled Codex **0.159.0**. Цель — получить настоящие ответы аудиосервисов, используя авторизацию из локальных данных Codex, без запуска или перезапуска Desktop. **Аудио получено тремя дополнительными путями:** прямой OpenAI Realtime, ChatGPT Read Aloud для существующего ответа и Codex app-server `appendSpeech` в изолированном экспериментальном режиме авторизации. Настоящего Platform key в проверенных профилях не было. Это результаты конкретного входа и даты, не гарантия доступности этих способов для любого аккаунта. Самодостаточные демо с `--voice` и `--list-voices`, не импортирующие код форка, находятся в [remote-tts-isolated](). В этой папке отдельно описаны прямой Realtime, ChatGPT Read Aloud и appendSpeech. ## Результаты запросов | Маршрут | Фактический ответ | Вывод | | --- | --- | --- | | `POST https://api.openai.com/v1/audio/speech` | **429**, `error.code=credit_balance_exhausted`, `error.type=insufficient_quota` | Аудио не получено. Сервис сообщает об отсутствии кредитов. Отказа 401/403 в этих пробах не было; это не доказывает полноценную поддержку ChatGPT-токена всеми Platform API | | `wss://api.openai.com/v1/realtime?model=gpt-realtime` | Сеанс установлен, получены `session.created`, `session.updated`, аудиочанки и завершённый `response.done` | **Работает:** WAV 24 кГц, mono, PCM16, 6,3 с; обратная удалённая STT соответствует исходному тексту | | `GET https://chatgpt.com/backend-api/synthesize?...` | **200** для MP3 и AAC с ID последнего подходящего ответа активной ветки | **Работает:** MP3 сохранён и полностью декодирован. Другое, ранее выбранное сообщение дало 404; поддержку произвольного старого сообщения не подтверждаем | | `POST https://chatgpt.com/backend-api/conversation/{id}/audio_summary/synthesize` | **404**, JSON `{"detail":"Not Found"}` с корректными `podcast` и `executive_briefing` | Аудио не получено. Причина 404 не установлена: этот ответ не доказывает, что маршрут отсутствует у всех аккаунтов | | `thread/realtime/appendSpeech`, обычный ChatGPT auth | Уведомление `thread/realtime/error`: `realtime conversation requires API key auth` | Обычный app-server не пропускает этот способ авторизации в проверенном WebSocket-сеансе | | `thread/realtime/appendSpeech`, тот же токен через API-key auth во временном профиле | Start и appendSpeech приняты; получены `thread/realtime/outputAudio/delta` | **Работает как аудиосеанс:** WAV 24 кГц, mono, PCM16. Без инструкции модель отвечает на текст, а не обязательно читает его | `POST /backend-api/pronunciation/synthesize?format=mp3` также остаётся отдельным рабочим способом для произвольного текста. Контрольный запрос обновлённым HTTP-клиентом 30 сентября дал 200 и MP3, 155 520 байт, который декодируется. Опубликованные ранее [образец и инструкция]() относятся к проверке 29 сентября. ## Откуда взята авторизация Основной файл — `исторический-каталог/.codex/auth.json`: `auth_mode=chatgpt`, credential читается из `tokens.access_token`. В нём нет `OPENAI_API_KEY`. В проверенном `исторический-каталог/.codex-acodex-api/auth.json` есть только gateway-маркер `0000`, не настоящий Platform key. Переменная `OPENAI_API_KEY` также отсутствовала. Значения токена, refresh token и cookies не включены в исходники, команды, отчёт или репозиторий. Для HTTP и прямого WebSocket токен остаётся в памяти процесса и отправляется как `Authorization: Bearer …`. Cookies для этих проб не копировались. Другие корпоративные хранилища credentials не использовались. Для app-server есть важное отличие. Экспериментальный флаг создаёт отдельный временный `CODEX_HOME` с правами каталога 0700. После `initialize` скрипт вызывает `account/login/start` с `type=apiKey`, передавая **тот же OAuth access token**. App-server сам сохраняет временный auth.json. После остановки собственного процесса скрипт удаляет созданный временный каталог вместе с этим файлом. Это не получение нового API key и не переключение основного Desktop-входа. Содержимое основного auth.json до и после живого запуска совпало. Без явного флага скрипт использует штатный вход и воспроизводит прежнюю ошибку. ## Прямой Realtime из файла текста В [realtime-text.py]() добавлен явный `--chatgpt-auth-file`. Он не подставляет OAuth-токен автоматически вместо отсутствующего Platform key. Обычный режим `--api-key-file` сохранён. ```bash # Выполняйте из корня распакованного комплекта. source ./scripts/audio-textbook/env.sh cd "$repo" remote_tts_out="$(mktemp -d "$audio_out/codex-remote-tts.XXXXXX")" remote_tts_python="$TTS_DEMO_CACHE/venv/bin/python" # Зависимость ставится только в отдельный venv, не в системный Python. uv pip install --python "$remote_tts_python" websocket-client==1.9.2 "$remote_tts_python" scripts/tts-demos/realtime-text.py \ scripts/tts-demos/sample-ru.txt "$remote_tts_out/realtime.wav" \ --chatgpt-auth-file "$auth_file" --timeout 40 ffmpeg -v error -i "$remote_tts_out/realtime.wav" -f null - ``` В проверке использованы `gpt-realtime` и голос `marin`. В `session.update` передаётся инструкция дословно прочитать текст; затем идут текстовый `conversation.item.create` и `response.create`. PCM16 собирается из `response.output_audio.delta`. WAV сохраняется только после завершённого ответа, без перезаписи существующего файла. Готовый [Realtime образец](#archive-availability) — 302 444 байта, 6,3 с. Обратная удалённая транскрипция: «Проверка озвучивания. Этот текст превращается в голос без запуска приложения». Realtime остаётся генеративной моделью: успех одного примера не гарантирует дословность любого текста, как у специализированного TTS-контракта. ## App-server из файла текста ```bash # Выполняйте из корня распакованного комплекта. source ./scripts/audio-textbook/env.sh cd "$repo" remote_app_out="$(mktemp -d "$audio_out/codex-appserver-tts.XXXXXX")" python3 scripts/tts-demos/appserver-speech.py \ scripts/tts-demos/sample-ru.txt "$remote_app_out/appserver.wav" \ --chatgpt-auth-file "$auth_file" \ --read-verbatim --timeout 30 ffmpeg -v error -i "$remote_app_out/appserver.wav" -f null - ``` Скрипт запускает свой STDIO app-server, создаёт `ephemeral` thread, открывает WebSocket realtime-сеанс и вызывает `appendSpeech({threadId,text})`. WAV собирается из `outputAudio/delta`; в этой живой проверке декодирование как PCM16 подтвердилось. Скрипт прекращает сбор после паузы потока или timeout; это минимальная демонстрация, не производственный streaming player. `--read-verbatim` добавляет инструкцию в `thread/realtime/start.params.prompt`. Без неё тестовый текст вызвал разговорный ответ: «Голос работает, я тебя слышу…». С ней [образец app-server](#archive-availability) содержит исходный текст, но STT выявила дополнительное начальное слово «Говорит». Размер — 297 644 байта, длительность — 6,2 с. **Флаг просит читать дословно, но не гарантирует это.** Для строгого озвучивания нельзя выдавать эту ветку за эквивалент `/v1/audio/speech`. ## Чтение существующего ответа ChatGPT Запрос не принимает произвольный текст. Нужны **ChatGPT conversation ID и message ID**, не идентификаторы Codex thread/turn. Для живой проверки ID чата взят из закреплённых ChatGPT-чатов `.codex-global-state.json` для аккаунта текущего входа. `GET /backend-api/conversation/{id}` вернул существующий чат. Из цепочки `current_node → parent` выбран последний видимый текстовый ответ assistant в активной ветке; тексты чата в журнал проверки не выводились. ```bash # Выполняйте из корня распакованного комплекта. source ./scripts/audio-textbook/env.sh python3 "$repo/scripts/tts-demos/http-tts.py" \ chatgpt-message "$audio_out/new-chatgpt-message.mp3" \ --auth-file "$auth_file" \ --conversation-id '' --message-id '' ``` В заголовки добавлены наблюдавшиеся `originator: Codex Desktop`, `Origin: https://chatgpt.com` и `Accept: */*`, кроме Bearer, User-Agent и ChatGPT-Account-ID. Без этого набора чтение чата давало 403 challenge; с ним получено 200. Какая отдельная добавка решила отказ, не установлено. Повторный успешный MP3: 3 735 840 байт, 186,792 с, 24 кГц, mono; полное декодирование ffmpeg завершилось с кодом 0. Поскольку он озвучивает личный чат, файл не помещён в git-каталог. Закрытый каталог имеет права 0700, файл — 0600: `исторический-каталог/.cache/codex-tts-demos/codex-read-aloud-verified-0b6fjlro/message.mp3`. ## Почему audio summary не получилось В первоначальном демо `format` ошибочно был равен `mp3`. Живой сервер ответил 422: это поле допускает `podcast`, `executive_briefing`, `study_guide`. Тот же enum найден в актуальном renderer-бандле Desktop; штатный default — `podcast`. Скрипт исправлен и получил параметр `--summary-format`. ```bash # Выполняйте из корня распакованного комплекта. source ./scripts/audio-textbook/env.sh python3 "$repo/scripts/tts-demos/http-tts.py" \ chatgpt-summary "$audio_out/new-chatgpt-summary.mp3" \ --conversation-id '' --summary-format podcast ``` С корректными `podcast` и `executive_briefing` тот же существующий чат дал JSON 404 без `cf-mitigated: challenge`. Причина не установлена. Нельзя приписывать это Cloudflare, отозванному Platform key или отсутствующему чату: обычный GET этого чата и чтение его последнего ответа успешно работают. ## Проверка скриптов и границы результата Прошли **26 тестов TTS** и **7 voice-probe тестов**. В новые проверки входят правильный enum summary, чтение синтетического OAuth-файла, отказ для `0000`, отсутствие секретов в ошибках, временный CODEX_HOME и его очистка при успехе и ошибке, сохранность исходного auth.json, dry-run без credentials/процессов, WAV через имитатор STDIO app-server и инструкция чтения в session prompt. ```bash # Выполняйте из корня распакованного комплекта. source ./scripts/audio-textbook/env.sh cd "$repo" python3 -W error::ResourceWarning -m unittest discover -s scripts/tts-demos -p 'test_*.py' -v python3 -m unittest discover -s scripts/voice-probes -p 'test_*.py' -v ``` Рабочие Realtime и app-server аудио полностью декодированы и проверены отдельной удалённой транскрипцией, не локальным STT. Менялись только демо, их тесты и документация. Desktop, core-код приложения, proxy/direct входы, настройки MCP и установленный payload этим исследованием не изменялись. Файлы не закоммичены и не отправлены в git. ## Карта кода | Файл и функция | Назначение | | --- | --- | | [realtime-text.py](), `read_credential` | Явно читает OAuth или Platform credential из выбранного источника | | Тот же файл, `events`, `synthesize` | Формирует Realtime events, собирает PCM и проверяет завершение ответа | | [appserver-speech.py](), `read_chatgpt_token`, `main` | Читает токен, управляет временным профилем, RPC и аудиофайлом | | [http-tts.py](), `chatgpt_headers`, `build_request` | Заголовки Desktop и корректные контракты message/summary/speech | | [test_remote_credentials.py](#archive-availability) | Проверяет изоляцию входа и отсутствие credentials в ошибках без сети |