OpenAI API実践ガイド2026 - GPT-4o・o3から音声・画像生成まで
OpenAI APIは2026年現在、GPT-4o、o3シリーズなど最先端のAIモデルを提供し、開発者にとって必須のツールとなっています。本記事では、最新APIの実践的な使い方を網羅的に解説します。
OpenAI API 2026年概要
利用可能なモデル
テキスト生成:
gpt-4o- 最速・最安のフラッグシップモデル（128K context）gpt-4o-mini- 超高速・超安価な小型モデル（128K context）o3-mini- 推論特化型（数学・コード・論理）o3- 最高性能の推論モデル（高コスト）
画像生成:
dall-e-3- 高品質画像生成（1024x1024, 1792x1024, 1024x1792）
音声:
whisper-1- 音声認識（transcription/translation）tts-1/tts-1-hd- テキスト読み上げ
埋め込み:
text-embedding-3-small- 軽量埋め込み（1536次元）text-embedding-3-large- 高性能埋め込み（3072次元）
料金（2026年版）
| モデル | Input | Output |
|---|---|---|
| gpt-4o | $2.50/1M tokens | $10.00/1M tokens |
| gpt-4o-mini | $0.15/1M tokens | $0.60/1M tokens |
| o3-mini | $1.10/1M tokens | $4.40/1M tokens |
| o3 | $15.00/1M tokens | $60.00/1M tokens |
| dall-e-3 | $0.040/画像（1024²） | - |
| whisper-1 | $0.006/分 | - |
| tts-1 | $15.00/1M文字 | - |
| text-embedding-3-small | $0.02/1M tokens | - |
→ 日常的な使用はgpt-4o-miniが圧倒的にコスパ良好
セットアップ
1. APIキー取得
- OpenAI Platformでアカウント作成
- API Keysページでキー生成
- 環境変数に設定
# .env
OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxx2. SDKインストール
# Node.js
npm install openai
# Python
pip install openaiChat Completions API（基本）
シンプルなチャット
Node.js/TypeScript
import OpenAI from 'openai'
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
})
async function chat() {
const completion = await openai.chat.completions.create({
model: 'gpt-4o-mini',
messages: [
{ role: 'system', content: 'あなたは親切なアシスタントです。' },
{ role: 'user', content: 'TypeScriptとJavaScriptの違いを教えて' },
],
})
console.log(completion.choices[0].message.content)
}
chat()Python
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": "あなたは親切なアシスタントです。"},
{"role": "user", "content": "TypeScriptとJavaScriptの違いを教えて"},
]
)
print(response.choices[0].message.content)ストリーミングレスポンス
async function streamChat() {
const stream = await openai.chat.completions.create({
model: 'gpt-4o-mini',
messages: [
{ role: 'user', content: '日本の歴史について教えて' },
],
stream: true,
})
for await (const chunk of stream) {
const content = chunk.choices[0]?.delta?.content || ''
process.stdout.write(content)
}
}パラメータ調整
const completion = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [{ role: 'user', content: 'クリエイティブな物語を書いて' }],
// 創造性の調整（0-2、デフォルト1）
temperature: 1.5,
// Top-p sampling（0-1、デフォルト1）
top_p: 0.9,
// 最大トークン数
max_tokens: 1000,
// ペナルティ（繰り返し抑制）
frequency_penalty: 0.5, // 0-2
presence_penalty: 0.5, // 0-2
// 停止条件
stop: ['\n\n', '###'],
})Function Calling（ツール連携）
AIが外部ツールを呼び出せる機能。
天気予報ツール例
async function chatWithTools() {
const tools: OpenAI.Chat.ChatCompletionTool[] = [
{
type: 'function',
function: {
name: 'get_weather',
description: '指定された都市の現在の天気を取得します',
parameters: {
type: 'object',
properties: {
city: {
type: 'string',
description: '都市名（例: Tokyo, Osaka）',
},
unit: {
type: 'string',
enum: ['celsius', 'fahrenheit'],
description: '温度の単位',
},
},
required: ['city'],
},
},
},
]
const messages: OpenAI.Chat.ChatCompletionMessageParam[] = [
{ role: 'user', content: '東京の天気を教えて' },
]
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages,
tools,
tool_choice: 'auto', // 自動判断
})
const message = response.choices[0].message
// ツール呼び出しがある場合
if (message.tool_calls) {
for (const toolCall of message.tool_calls) {
if (toolCall.function.name === 'get_weather') {
const args = JSON.parse(toolCall.function.arguments)
const weather = await getWeather(args.city, args.unit)
// ツール実行結果をAIに返す
messages.push(message)
messages.push({
role: 'tool',
tool_call_id: toolCall.id,
content: JSON.stringify(weather),
})
// AIに再度質問
const finalResponse = await openai.chat.completions.create({
model: 'gpt-4o',
messages,
})
console.log(finalResponse.choices[0].message.content)
}
}
}
}
async function getWeather(city: string, unit = 'celsius') {
// 実際のAPI呼び出し（例: OpenWeatherMap）
return {
city,
temperature: 22,
condition: 'Sunny',
unit,
}
}データベース検索ツール
const tools = [
{
type: 'function',
function: {
name: 'search_database',
description: 'ユーザーデータベースを検索',
parameters: {
type: 'object',
properties: {
query: { type: 'string', description: '検索クエリ' },
limit: { type: 'number', description: '結果件数' },
},
required: ['query'],
},
},
},
]
// ツール実装
async function searchDatabase(query: string, limit = 10) {
const results = await db.users.findMany({
where: { name: { contains: query } },
take: limit,
})
return results
}Vision API（画像理解）
async function analyzeImage() {
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'この画像には何が写っていますか？' },
{
type: 'image_url',
image_url: {
url: 'https://example.com/image.jpg',
// またはBase64
// url: 'data:image/jpeg;base64,/9j/4AAQ...',
detail: 'high', // 'low' | 'high' | 'auto'
},
},
],
},
],
})
console.log(response.choices[0].message.content)
}ローカル画像を送信
import fs from 'fs'
async function analyzeLocalImage(imagePath: string) {
const imageBuffer = fs.readFileSync(imagePath)
const base64Image = imageBuffer.toString('base64')
const mimeType = imagePath.endsWith('.png') ? 'image/png' : 'image/jpeg'
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: '画像を詳細に説明してください' },
{
type: 'image_url',
image_url: {
url: `data:${mimeType};base64,${base64Image}`,
},
},
],
},
],
})
return response.choices[0].message.content
}DALL-E 3（画像生成）
async function generateImage() {
const response = await openai.images.generate({
model: 'dall-e-3',
prompt: 'A serene Japanese garden with cherry blossoms, koi pond, and traditional stone lanterns at sunset',
n: 1,
size: '1024x1024', // '1024x1024' | '1792x1024' | '1024x1792'
quality: 'hd', // 'standard' | 'hd'
style: 'vivid', // 'vivid' | 'natural'
})
const imageUrl = response.data[0].url
console.log('画像URL:', imageUrl)
// 画像をダウンロード
const imageResponse = await fetch(imageUrl!)
const buffer = await imageResponse.arrayBuffer()
fs.writeFileSync('generated.png', Buffer.from(buffer))
}プロンプトエンジニアリング
// 高品質な画像を生成するプロンプト例
const prompts = {
// 詳細な説明
detailed: 'A highly detailed, photorealistic portrait of a cyberpunk warrior with neon tattoos, chrome implants, standing in a rain-soaked Tokyo street at night, cinematic lighting, 8k',
// スタイル指定
artistic: 'An oil painting in the style of Van Gogh, depicting a futuristic cityscape with swirling stars above, vibrant colors, impressionist style',
// ネガティブプロンプト（避けたい要素）
withNegative: 'A beautiful sunset over the ocean, pristine beach, palm trees. Avoid: people, buildings, text, watermarks',
}Whisper（音声認識）
async function transcribeAudio() {
const audioFile = fs.createReadStream('audio.mp3')
const transcription = await openai.audio.transcriptions.create({
file: audioFile,
model: 'whisper-1',
language: 'ja', // オプション: 言語指定で精度向上
response_format: 'json', // 'json' | 'text' | 'srt' | 'vtt'
temperature: 0, // 0で最も確実な結果
})
console.log(transcription.text)
}
// 翻訳（英語に変換）
async function translateAudio() {
const audioFile = fs.createReadStream('audio_ja.mp3')
const translation = await openai.audio.translations.create({
file: audioFile,
model: 'whisper-1',
})
console.log(translation.text) // 英語テキスト
}TTS（音声合成）
async function textToSpeech() {
const mp3 = await openai.audio.speech.create({
model: 'tts-1-hd', // 'tts-1' | 'tts-1-hd'
voice: 'alloy', // 'alloy' | 'echo' | 'fable' | 'onyx' | 'nova' | 'shimmer'
input: 'こんにちは。今日は良い天気ですね。',
speed: 1.0, // 0.25 - 4.0
})
const buffer = Buffer.from(await mp3.arrayBuffer())
fs.writeFileSync('speech.mp3', buffer)
}Embeddings（埋め込みベクトル）
テキスト類似度検索
async function createEmbedding(text: string) {
const response = await openai.embeddings.create({
model: 'text-embedding-3-small',
input: text,
})
return response.data[0].embedding
}
// コサイン類似度計算
function cosineSimilarity(a: number[], b: number[]): number {
const dotProduct = a.reduce((sum, val, i) => sum + val * b[i], 0)
const magnitudeA = Math.sqrt(a.reduce((sum, val) => sum + val * val, 0))
const magnitudeB = Math.sqrt(b.reduce((sum, val) => sum + val * val, 0))
return dotProduct / (magnitudeA * magnitudeB)
}
// 使用例
async function findSimilarDocuments(query: string, documents: string[]) {
const queryEmbedding = await createEmbedding(query)
const similarities = await Promise.all(
documents.map(async (doc) => {
const docEmbedding = await createEmbedding(doc)
const similarity = cosineSimilarity(queryEmbedding, docEmbedding)
return { doc, similarity }
})
)
return similarities.sort((a, b) => b.similarity - a.similarity)
}Assistants API（高度な会話）
async function createAssistant() {
// アシスタント作成
const assistant = await openai.beta.assistants.create({
name: 'コーディングアシスタント',
instructions: 'あなたはTypeScriptとReactの専門家です。コードレビューとバグ修正を支援します。',
model: 'gpt-4o',
tools: [{ type: 'code_interpreter' }],
})
// スレッド作成
const thread = await openai.beta.threads.create()
// メッセージ追加
await openai.beta.threads.messages.create(thread.id, {
role: 'user',
content: 'useEffectの使い方を教えて',
})
// 実行
const run = await openai.beta.threads.runs.create(thread.id, {
assistant_id: assistant.id,
})
// 完了待機
let runStatus = await openai.beta.threads.runs.retrieve(thread.id, run.id)
while (runStatus.status !== 'completed') {
await new Promise((resolve) => setTimeout(resolve, 1000))
runStatus = await openai.beta.threads.runs.retrieve(thread.id, run.id)
}
// メッセージ取得
const messages = await openai.beta.threads.messages.list(thread.id)
console.log(messages.data[0].content)
}エラーハンドリング
import OpenAI from 'openai'
async function safeAPICall() {
try {
const completion = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [{ role: 'user', content: 'Hello' }],
})
return completion.choices[0].message.content
} catch (error) {
if (error instanceof OpenAI.APIError) {
console.error('Status:', error.status)
console.error('Message:', error.message)
console.error('Code:', error.code)
console.error('Type:', error.type)
// レート制限
if (error.status === 429) {
console.log('Rate limit exceeded, retrying...')
await new Promise((resolve) => setTimeout(resolve, 5000))
return safeAPICall() // リトライ
}
// トークン超過
if (error.code === 'context_length_exceeded') {
console.log('Input too long, truncating...')
// メッセージを短縮して再試行
}
}
throw error
}
}ベストプラクティス
1. コスト最適化
// gpt-4o-miniを優先使用（95%のケースで十分）
const model = isComplexTask ? 'gpt-4o' : 'gpt-4o-mini'
// トークン数制限
const completion = await openai.chat.completions.create({
model: 'gpt-4o-mini',
messages,
max_tokens: 500, // 必要最小限に
})2. プロンプトテンプレート
const templates = {
codeReview: `以下のコードをレビューしてください:
- バグの指摘
- パフォーマンス改善提案
- ベストプラクティスからの逸脱
コード:
\`\`\`typescript
{code}
\`\`\``,
translation: `次の文章を{targetLang}に翻訳してください。自然な表現を心がけてください。
{text}`,
}
function buildPrompt(template: string, vars: Record<string, string>) {
return template.replace(/{(\w+)}/g, (_, key) => vars[key] || '')
}3. キャッシング（コスト削減）
// 頻繁に使う長いsystem promptはキャッシュ
const systemPrompt = `あなたは...[長い指示]...` // これをキャッシュ
const completion = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
{ role: 'system', content: systemPrompt },
{ role: 'user', content: userMessage },
],
})まとめ
OpenAI APIは2026年現在、以下の点で強力です:
モデルの多様性:
- gpt-4o: 汎用最強
- gpt-4o-mini: コスパ最強
- o3シリーズ: 推論タスクに特化
機能の豊富さ:
- テキスト生成・理解
- 画像生成・理解
- 音声認識・合成
- Function Calling
- Embeddings
実用性:
- 簡単なAPI
- ストリーミング対応
- エラーハンドリング充実
推奨する使い方:
- 日常: gpt-4o-mini（コスパ◎）
- 複雑タスク: gpt-4o
- 数学・コード: o3-mini
- 画像生成: DALL-E 3
- 音声: Whisper + TTS
OpenAI APIをマスターすれば、AIネイティブなアプリケーションを自在に構築できます。
参考リンク: