OpenAI: GPT Audio Mini

GPT Audio Mini é um modelo de áudio da OpenAI, oferecido como uma versão menor e mais econômica do GPT Audio. Ele fica na categoria de áudio e também cobre texto, então é destinado a cargas de trabalho em que entrada falada e saída falada importam, não apenas conversa digitada. O id do modelo na api14 é openai/gpt-audio-mini, e a data de lançamento do provedor é 2026-01-19. Comparado com a linha maior GPT Audio, este snapshot usa um decodificador atualizado para vozes com som mais natural e mantém melhor consistência de voz.

O modelo aceita texto e áudio como entrada e pode produzir texto e áudio como saída. Sua janela de contexto é de 128.000 tokens, e a saída máxima é de 16.384 tokens. Essa combinação significa que você pode passar uma conversa bastante longa ou uma transcrição extensa derivada de áudio junto com o próprio áudio, e então receber uma resposta escrita ou falada. Os parâmetros suportados incluem temperature, top_p, max_tokens, stop, seed, frequency_penalty, presence_penalty, logit_bias, logprobs e top_logprobs, então controles de amostragem e reprodutibilidade estão disponíveis, junto com structured_outputs, response_format, tools e tool_choice para respostas moldadas e chamada de funções.

Essas capacidades apontam para alguns padrões práticos. Assistentes de voz e agentes interativos são um encaixe óbvio, já que o modelo lida com os dois lados de uma troca falada e mantém a consistência de voz entre turnos. Fluxos de trabalho no estilo de transcrição que precisam de uma resposta falada em vez de apenas texto também funcionam, assim como recursos de acessibilidade que leem conteúdo em voz alta com uma voz natural. Como a chamada de ferramentas e as saídas estruturadas são suportadas, você pode construir front ends de áudio que acionam funções de backend, por exemplo um agente telefônico que agenda compromissos ou consulta o status de pedidos e responde verbalmente. O contexto longo ajuda em sessões de múltiplos turnos ou quando o modelo precisa de uma transcrição grande diante de si.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo openai/gpt-audio-mini. Aponte seu SDK da OpenAI ou cliente HTTP existente para a URL base da api14, envie uma requisição de chat completion com esse id, e inclua conteúdo de áudio nas mensagens onde for necessário. O corpo da requisição aceita frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs e top_p. Defina response_format quando quiser um formato de saída específico, e use tools com tool_choice quando o modelo deve chamar funções. A tabela de preços ao vivo da página mostra as tarifas atuais.

Uma coisa a ponderar é o comprimento da saída: 16.384 tokens é o teto para uma única resposta, então respostas faladas muito longas ou gerações do tamanho de um audiolivro completo são melhores divididas em segmentos. Se sua tarefa é puramente texto, um modelo somente de texto pode ser mais simples, e se você precisa da qualidade de áudio mais forte que a OpenAI oferece, o modelo GPT Audio completo é a alternativa. Caso contrário, esta variante mini cobre as mesmas modalidades de entrada e saída em uma escala menor.