OpenAI: GPT Audio Mini

GPT Audio Mini est un modèle audio d'OpenAI, proposé comme une version plus petite et économique de GPT Audio. Il appartient à la catégorie audio et couvre également le texte, il est donc destiné aux charges de travail où l'entrée et la sortie vocales comptent, pas seulement la conversation écrite. L'identifiant du modèle sur api14 est openai/gpt-audio-mini, et la date de publication du fournisseur est le 2026-01-19. Comparé à la gamme GPT Audio plus large, cet instantané utilise un décodeur amélioré pour des voix plus naturelles et maintient une meilleure cohérence vocale.

Le modèle accepte le texte et l'audio en entrée et peut produire du texte et de l'audio en sortie. Sa fenêtre de contexte est de 128 000 tokens, et la sortie maximale est de 16 384 tokens. Cette combinaison signifie que vous pouvez transmettre une conversation assez longue ou une transcription audio volumineuse en plus de l'audio lui-même, puis recevoir soit une réponse écrite, soit une réponse parlée. Les paramètres pris en charge incluent temperature, top_p, max_tokens, stop, seed, frequency_penalty, presence_penalty, logit_bias, logprobs et top_logprobs, donc les contrôles d'échantillonnage et de reproductibilité sont disponibles, ainsi que structured_outputs, response_format, tools et tool_choice pour des réponses structurées et l'appel de fonctions.

Ces capacités correspondent à quelques schémas pratiques. Les assistants vocaux et les agents interactifs sont un choix évident, puisque le modèle gère les deux côtés d'un échange parlé et maintient la cohérence vocale d'un tour à l'autre. Les flux de travail de type transcription qui nécessitent une réponse parlée plutôt que du texte seul fonctionnent aussi, tout comme les fonctionnalités d'accessibilité qui lisent le contenu à voix haute avec une voix naturelle. Comme l'appel d'outils et les sorties structurées sont pris en charge, vous pouvez construire des interfaces audio qui déclenchent des fonctions backend, par exemple un agent téléphonique qui prend des rendez-vous ou consulte le statut d'une commande et répond verbalement. Le contexte long aide pour les sessions multi-tours ou lorsque le modèle a besoin d'une transcription volumineuse devant lui.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle openai/gpt-audio-mini. Pointez votre SDK OpenAI ou client HTTP existant vers l'URL de base d'api14, envoyez une requête de complétion de chat avec cet identifiant, et incluez du contenu audio dans les messages là où c'est nécessaire. Le corps de la requête accepte frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs et top_p. Définissez response_format lorsque vous voulez une forme de sortie spécifique, et utilisez tools avec tool_choice lorsque le modèle doit appeler des fonctions. Le tableau des prix en direct de la page indique les tarifs actuels.

Un point à peser est la longueur de sortie : 16 384 tokens est le plafond pour une seule réponse, donc les réponses parlées très longues ou les générations de la longueur d'un livre audio complet sont mieux découpées en segments. Si votre tâche est purement textuelle, un modèle texte seul peut être plus simple, et si vous avez besoin de la meilleure qualité audio qu'OpenAI propose, le modèle GPT Audio complet est l'alternative. Sinon, cette variante mini couvre les mêmes modalités d'entrée et de sortie à une échelle plus petite.