OpenAI: GPT Audio Mini

GPT Audio Mini هو نموذج صوتي من OpenAI، يُقدَّم كنسخة أصغر وموفرة للتكلفة من GPT Audio. يقع في فئة الصوت ويغطي النص أيضًا، لذا فهو مخصص لأعباء العمل التي يكون فيها الإدخال المنطوق والإخراج المنطوق مهمين، وليس المحادثة المكتوبة فقط. معرّف النموذج على api14 هو openai/gpt-audio-mini، وتاريخ إصدار المزوّد هو 2026-01-19. مقارنةً بخط GPT Audio الأكبر، تستخدم هذه اللقطة مفكّك ترميز مطوَّرًا لأصوات أكثر طبيعية وتحافظ على اتساق أفضل للأصوات.

يقبل النموذج النص والصوت كإدخال ويمكنه إنتاج النص والصوت كإخراج. نافذة السياق الخاصة به هي 128,000 رمز، والحد الأقصى للإخراج هو 16,384 رمزًا. يعني هذا المزيج أنه يمكنك تمرير محادثة طويلة إلى حد ما أو نص مفرّغ صوتي مطوّل إلى جانب الصوت نفسه، ثم استلام إجابة مكتوبة أو منطوقة. تشمل المعاملات المدعومة temperature وtop_p وmax_tokens وstop وseed وfrequency_penalty وpresence_penalty وlogit_bias وlogprobs وtop_logprobs، لذا تتوفر ضوابط أخذ العينات وقابلية التكرار، إلى جانب structured_outputs وresponse_format وtools وtool_choice للاستجابات المُشكَّلة واستدعاء الدوال.

تشير هذه القدرات إلى بعض الأنماط العملية. المساعدات الصوتية والوكلاء التفاعليون مناسبون بشكل واضح، لأن النموذج يتعامل مع طرفي التبادل المنطوق ويحافظ على اتساق الصوت عبر الأدوار. كما تعمل سير العمل بأسلوب النسخ التي تحتاج إلى رد منطوق وليس نصًا فقط، وكذلك ميزات إمكانية الوصول التي تقرأ المحتوى بصوت طبيعي. ولأن استدعاء الأدوات والمخرجات المُشكَّلة مدعومان، يمكنك بناء واجهات صوتية أمامية تُشغّل دوال الخادم الخلفي، على سبيل المثال وكيل هاتفي يحجز المواعيد أو يبحث عن حالة الطلب ويجيب شفهيًا. يساعد السياق الطويل في الجلسات متعددة الأدوار أو عندما يحتاج النموذج إلى نص مفرّغ كبير أمامه.

يمكنك استدعاؤه عبر واجهة API المتوافقة مع OpenAI في api14 باستخدام معرّف النموذج openai/gpt-audio-mini. وجّه OpenAI SDK أو عميل HTTP الحالي لديك إلى عنوان api14 الأساسي، وأرسل طلب إكمال محادثة بذلك المعرّف، وأدرج محتوى صوتيًا في الرسائل حيثما لزم. يقبل جسم الطلب frequency_penalty وlogit_bias وlogprobs وmax_tokens وpresence_penalty وresponse_format وseed وstop وstructured_outputs وtemperature وtool_choice وtools وtop_logprobs وtop_p. اضبط response_format عندما تريد شكل إخراج محددًا، واستخدم tools مع tool_choice عندما ينبغي للنموذج استدعاء الدوال. يعرض جدول الأسعار المباشر في الصفحة المعدلات الحالية.

أحد الأمور التي يجب وضعها في الاعتبار هو طول الإخراج: 16,384 رمزًا هو السقف لاستجابة واحدة، لذا من الأفضل تقسيم الإجابات المنطوقة الطويلة جدًا أو التوليد بطول كتاب صوتي كامل إلى مقاطع. إذا كانت مهمتك نصية بحتة، فقد يكون نموذج نصي فقط أبسط، وإذا كنت تحتاج إلى أقوى جودة صوتية تقدمها OpenAI، فإن نموذج GPT Audio الكامل هو البديل. بخلاف ذلك، تغطي هذه النسخة المصغرة نفس وسائط الإدخال والإخراج على نطاق أصغر.