Openai: gpt-audio
gpt-audio
شروع ساخت رایگان
مدل gpt-audio از سوی OpenAI ارائه شده و برای درک و تولید گفتار و صدا طراحی شده است و از طریق مجموعه API چندوجهی این شرکت در دسترس است. این مدل در خانواده کلی GPT قرار می‌گیرد اما به طور اختصاصی برای کارهایی مثل تبدیل گفتار به متن، مکالمه صوتی و تعامل مبتنی بر صدا بهینه شده و روی تأخیر کم و هزینه قابل‌قبول برای استفاده‌های تقریباً آنی تمرکز دارد. gpt-audio معمولاً در دستیارهای صوتی، ابزارهای مرکز تماس، سامانه‌های ضبط و پیاده‌سازی جلسات و تجربه‌های تعاملی صوتی به کار می‌رود و طوری طراحی شده که به‌راحتی در کنار مدل‌های متنی و تصویری GPT در یک جریان کاری واحد استفاده شود. تأکید اصلی آن روی کارایی پایدار در زبان گفتاری روزمره و کاربردپذیری در محصولات واقعی است، نه صرفاً رکورد زدن در بنچمارک‌های پژوهشی صدا.
قیمت‌گذاری
قیمت فعلی به ازای 1,000,000 توکن. هزینه هر درخواست به صورت خودکار بر اساس میزان استفاده دقیق آن محاسبه و دریافت می‌شود.
شامل شده در طرح‌ها
آمار
عملکرد و میزان استفاده زنده از این مدل، تجمیع‌شده در تمامی کاربران.
به‌محض دریافت نخستین درخواست توسط این مدل، آمار دقیق در اینجا نمایش داده می‌شود.
API
این مدل را از هر کلاینت سازگار با OpenAI با استفاده از توکن API خود فراخوانی کنید.
curl https://apiex.cloud/api/v1/chat/completions \
-H "Authorization: Bearer $NEW_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-audio",
"messages": [
{
"role": "user",
"content": "Explain quantum entanglement in one paragraph."
}
],
"temperature": 0.7
}'احراز هویت
هر درخواست باید شامل هدر Authorization: Bearer <TOKEN> باشد. یک توکن از صفحه کلیدهای API حساب خود ایجاد کنید — دسترسی آن به مدل‌ها به‌طور خودکار بر اساس طرح‌های فعال و کدهای استفاده‌شده شما تنظیم می‌شود و می‌توانید محدودیت نرخ و محدودیت‌های IP آن را تعیین کنید.
| پارامتر | نوع | توضیحات |
|---|---|---|
model | رشته، الزامی | شناسه این مدل، دقیقاً همان‌طور که در بالا نشان داده شده است. |
messages | آرایه، الزامی | تاریخچه گفتگو به عنوان اشیاء نقش/محتوا (سیستم، کاربر، دستیار). |
temperature | عدد، اختیاری | تصادفی بودن نمونه‌برداری، معمولاً 0 تا 2. |
max_tokens | عدد صحیح، اختیاری | سقف توکن‌های تولید شده در پاسخ. |
top_p | عدد، اختیاری | آستانه نمونه‌برداری هسته‌ای، به عنوان جایگزینی برای دما (Temperature). |
stream | بولیَن، نادیده گرفته شد | پاسخ‌ها همیشه به طور کامل بازگردانده می‌شوند تا هزینه دقیق قابل محاسبه باشد؛ استریمینگ در دسترس نیست. |
YOUR_API_KEY را با توکنی از حساب خود جایگزین کنید، سپس مرجع API کامل را برای هر پارامتر مشاهده کنید.
سوالات متداول
gpt-audio چیست؟
مدل gpt-audio از سوی OpenAI ارائه شده و برای درک و تولید گفتار و صدا طراحی شده است و از طریق مجموعه API چندوجهی این شرکت در دسترس است. این مدل در خانواده کلی GPT قرار می‌گیرد اما به طور اختصاصی برای کارهایی مثل تبدیل گفتار به متن، مکالمه صوتی و تعامل مبتنی بر صدا بهینه شده و روی تأخیر کم و هزینه قابل‌قبول برای استفاده‌های تقریباً آنی تمرکز دارد. gpt-audio معمولاً در دستیارهای صوتی، ابزارهای مرکز تماس، سامانه‌های ضبط و پیاده‌سازی جلسات و تجربه‌های تعاملی صوتی به کار می‌رود و طوری طراحی شده که به‌راحتی در کنار مدل‌های متنی و تصویری GPT در یک جریان کاری واحد استفاده شود. تأکید اصلی آن روی کارایی پایدار در زبان گفتاری روزمره و کاربردپذیری در محصولات واقعی است، نه صرفاً رکورد زدن در بنچمارک‌های پژوهشی صدا.
هزینه gpt-audio چقدر است؟
قیمت توکن‌های ورودی 762,000 تومان به ازای هر 1,000,000 توکن و توکن‌های خروجی 3,048,000 تومان به ازای هر 1,000,000 توکن است. قیمت‌گذاری به‌طور خودکار برای هر درخواست محاسبه می‌شود؛ نیازی به طرح جداگانه نیست.
طول متن (کانتکست) gpt-audio چقدر است؟
gpt-audio از پنجره متنی تا 128,000 توکن پشتیبانی می‌کند.
آیا gpt-audio از ورودی تصویر پشتیبانی می‌کند؟
gpt-audio در حال حاضر فقط ورودی متنی می‌پذیرد.
gpt-audio متعلق به کدام ارائه‌دهنده است؟
gpt-audio توسط Openai توسعه یافته و از طریق زیرساخت مسیریابی ما در این درگاه در دسترس قرار گرفته است.
gpt-audio چه زمانی به این دروازه اضافه شد؟
gpt-audio از تاریخ مهر 1, 1405 در این درگاه در دسترس بوده است.
آیا gpt-audio در حال حاضر در دسترس است؟
بله، gpt-audio فعال است و همین حالا از طریق این درگاه قابل استفاده است.