OpenAI: GPT Audio Mini

GPT Audio Mini adalah model audio dari OpenAI, yang ditawarkan sebagai versi GPT Audio yang lebih kecil dan hemat biaya. Model ini berada di kategori audio dan juga mencakup teks, sehingga ditujukan untuk beban kerja yang mementingkan input lisan dan output lisan, bukan sekadar percakapan yang diketik. Id model di api14 adalah openai/gpt-audio-mini, dan tanggal rilis penyedia adalah 2026-01-19. Dibandingkan dengan lini GPT Audio yang lebih besar, snapshot ini menggunakan decoder yang ditingkatkan untuk suara yang lebih natural dan menjaga konsistensi suara yang lebih baik.

Model ini menerima teks dan audio sebagai input serta dapat menghasilkan teks dan audio sebagai output. Jendela konteksnya adalah 128.000 token, dan output maksimumnya adalah 16.384 token. Kombinasi itu berarti Anda dapat memasukkan percakapan yang cukup panjang atau transkrip panjang yang berasal dari audio bersama audio itu sendiri, lalu menerima jawaban tertulis atau jawaban lisan. Parameter yang didukung meliputi temperature, top_p, max_tokens, stop, seed, frequency_penalty, presence_penalty, logit_bias, logprobs dan top_logprobs, sehingga kontrol sampling dan reproduksibilitas tersedia, bersama dengan structured_outputs, response_format, tools dan tool_choice untuk respons yang terstruktur dan pemanggilan fungsi.

Kemampuan tersebut mengarah pada beberapa pola praktis. Asisten suara dan agen interaktif adalah penerapan yang jelas, karena model ini menangani kedua sisi pertukaran lisan dan menjaga konsistensi suara antar giliran. Alur kerja bergaya transkripsi yang membutuhkan balasan lisan, bukan hanya teks, juga cocok, begitu pula fitur aksesibilitas yang membacakan konten dengan suara natural. Karena pemanggilan tool dan output terstruktur didukung, Anda dapat membangun front end audio yang memicu fungsi backend, misalnya agen telepon yang memesan janji atau mencari status pesanan dan menjawab secara verbal. Konteks panjang membantu untuk sesi multi-giliran atau ketika model perlu memiliki transkrip besar di depannya.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model openai/gpt-audio-mini. Arahkan OpenAI SDK atau klien HTTP yang sudah Anda gunakan ke base URL api14, kirim permintaan chat completion dengan id tersebut, dan sertakan konten audio dalam pesan jika diperlukan. Body permintaan menerima frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs dan top_p. Tetapkan response_format ketika Anda menginginkan bentuk output tertentu, dan gunakan tools dengan tool_choice ketika model harus memanggil fungsi. Tabel harga langsung di halaman menampilkan tarif saat ini.

Satu hal yang perlu dipertimbangkan adalah panjang output: 16.384 token adalah batas atas untuk satu respons, jadi jawaban lisan yang sangat panjang atau generasi sepanjang audiobook lebih baik dipecah menjadi beberapa segmen. Jika tugas Anda sepenuhnya teks, model khusus teks mungkin lebih sederhana, dan jika Anda membutuhkan kualitas audio terbaik yang ditawarkan OpenAI, model GPT Audio penuh adalah alternatifnya. Selain itu, varian mini ini mencakup modalitas input dan output yang sama pada skala yang lebih kecil.