对话本来是正常的。某个工具返回了一段音频,下一个回合就变成 HTTP 400,从那以后什么消息都发不出去。不是纯文本,连一句"你好"都不行。报错永远是同一个,而且它完全不提你代码里的音频:Audio input is not available.
这不是你的项目出了问题。那条音频条目被写进了对话历史,之后每次请求都会带上它,哪怕你只是打字。只要它还在历史里,而模型又声明自己支持音频,客户端就不会把它去掉,后端于是拒收整个 payload,回合在执行任何命令之前就结束了。
本文给出解释这个行为的那行代码、几秒钟内让对话恢复工作的命令,以及怎样让这一类错误不再回来。
为什么 Codex 在出现音频之后连纯文本都拒收?
因为每个回合都会把历史整体重发,而当模型宣称支持该模态时,媒体清理不会执行。payload 带着旧音频发出去,接口拒收整个请求,其中没有任何部分被处理。
你收到的是这样的响应,param 字段指向整个 input,而不是某个具体附件:
HTTP 400 Bad Request
{
"error": {
"type": "invalid_request_error",
"param": "input",
"message": "Audio input is not available."
}
}
记住这个让很多人困惑的细节:错误不属于产生音频的那个回合。产生音频的回合是成功的。坏掉的是下一个回合,以及之后的每一个,因为条目已经写进会话了。
是哪一行代码造成的?
是客户端上下文归一化里的 strip_audio_when_unsupported。它的职责是移除模型不接受的媒体,而它做的第一件事,就是在模型声明该模态时直接返回:
// codex-rs/core/src/context_manager/normalize.rs
pub(crate) fn strip_audio_when_unsupported(
input_modalities: &[InputModality],
items: &mut [ResponseItemEnvelope],
) {
if input_modalities.contains(&InputModality::Audio) {
return; // 模型声明支持音频:什么也不移除
}
// ... 遍历消息和 tool output,把
// InputAudio 换成文本占位符
}
这个逻辑本身是对的。如果模型接受音频,就没有理由删掉音频。问题出在这个判断的输入:模型目录为一个接口实际拒收音频的模型声明了音频。守卫永远不触发,本来能救回对话的清理也就一直关着。
下面是对比,数据来自 2026-11-19 18:30 UTC 在 0.170.0 版本上做的一次带认证的目录拉取:
| 模型 | 声明的 input_modalities | 历史里的音频会怎样 |
|---|---|---|
gpt-6.2-sol | text、image、audio | 不会被移除,payload 以 400 被拒。 |
gpt-6.1-sol | text、image | 被替换为文本占位符,回合通过。 |
从没要求过音频的人也会遇到同样的症状。一个会渲染预览的工具、一次抽出 MP3 的 ffmpeg 调用、一个把文件连同结果一起返回的转写步骤,都足够触发。起作用的不是这个回合的意图,而是工具输出的格式。
怎样立刻救回同一个对话?
在对话内部切换模型。历史不需要删除、编辑或导出,之前的工作也还在原处:
- 输入
/model。 - 选择
gpt-6.1-sol。 - 把失败的那条文本消息重发一次。
换成只声明文本和图像的模型之后,清理会执行,音频从 payload 中消失,回合正常完成。那条音频条目仍然留在历史里,只是不再被发送。这一点在该问题的公开报告里在三种不同环境中都复现过,结果一致:对话重新能回话,不需要 fork,也不用动会话文件。
两点需要如实说明。第一:你救回的是对话,不是音频。模型不会处理原始片段,只是顺着文本继续。第二:如果任务本身依赖"听"这个文件,换模型能解开阻塞,但解决不了任务。那种情况下正确的做法,是用返回文件路径而不是内联音频的工具把这一步重做一遍。
为什么新开对话可以,而"Branch in new chat"不行?
因为新对话的历史里从一开始就没有那条音频条目,而 branch 会复制整段历史,包括那个正在造成 400 的条目。issue 里有一个报告正好复现了这一点:branch 回来还是同一个错误,只有空白对话能继续。
这属于社区诊断,不是有文档记录的行为:该报告没有抓取 branch 发出的 payload,所以无法断言是音频被重发了,还是另一个条目一起坏了。把它当线索,不要当规则。有 payload 验证支撑的恢复方式,是在同一个对话里切换模型。
怎样让这个错误不再回来?
把音频当作工具的输出数据,而不是细节。关键的决定有三个:
| 决定 | 原因 |
|---|---|
| 生成音频的工具返回文件路径,而不是内联音频 | 条目永远进不了历史,任何模型都没法把它重发出去。 |
| 媒体预览不放进工具输出 | 一个 input_audio 预览污染的是整个会话,不只是那个回合。 |
| 只在流程确实需要音频时才用支持音频的模型 | 模型不声明音频时,自动清理就站在你这一边。 |
如果你维护的是一个跟这个客户端对话的 agent,实用规则只有一条:当内容可以被引用时,永远不要在工具结果里返回内联媒体。文件路径、签名 URL、对象 id,都能扛过一次模型切换。内联的 blob 扛不住。
还有哪些问题没有解决?
issue 仍然开着,没有已发布的修复,模型目录也仍在为 gpt-6.2-sol 声明音频。在两端达成一致之前,行为就是这样:客户端相信声明,接口拒收,用户手里留下一个卡死的对话,对任何内容都回 400。
社区有一个补丁尝试在客户端绕过,但它是对错误消息做字面比较。这样能覆盖 Audio input is not available.,却漏掉了 Audio input is not supported for this request. 这个变体,后者带着另一个错误码出现。在上游修复到来之前,可靠的做法仍然是不把内联音频写进历史。
真正锁死对话的不是音频本身,而是在模型拒收 payload 时无处可换。在 Verboo Code 里,/model 可以在会话中途换引擎,历史保持不变,所以那个在 Codex 上用来救回对话的操作,在这里就是日常:某个模型拒收你发的内容,你换个模型,从刚才停下的地方继续。打开 Verboo Code,在会话中途试一次模型切换。


