OpenAI: GPT Audio Mini

GPT Audio Mini, OpenAI tarafından sunulan bir ses modelidir ve GPT Audio'nun daha küçük, maliyet açısından verimli bir sürümü olarak sunulur. Ses kategorisinde yer alır ve metni de kapsar, bu nedenle yalnızca yazılı sohbetin değil, konuşulan girdi ve konuşulan çıktının önemli olduğu iş yükleri için tasarlanmıştır. api14 üzerindeki model id değeri openai/gpt-audio-mini'dir ve sağlayıcı sürüm tarihi 2026-01-19'dur. Daha büyük GPT Audio serisiyle karşılaştırıldığında, bu snapshot daha doğal seslendirme için yükseltilmiş bir decoder kullanır ve daha iyi ses tutarlılığı sağlar.

Model, girdi olarak metin ve ses kabul eder; çıktı olarak metin ve ses üretebilir. Bağlam penceresi 128.000 token'dır ve maksimum çıktı 16.384 token'dır. Bu kombinasyon, sesin yanı sıra oldukça uzun bir konuşma veya uzun bir sesten türetilmiş transkript iletebileceğiniz, ardından yazılı ya da sözlü bir yanıt alabileceğiniz anlamına gelir. Desteklenen parametreler arasında temperature, top_p, max_tokens, stop, seed, frequency_penalty, presence_penalty, logit_bias, logprobs ve top_logprobs bulunur; böylece örnekleme ve yeniden üretilebilirlik kontrolleri, ayrıca şekillendirilmiş yanıtlar ve fonksiyon çağrımı için structured_outputs, response_format, tools ve tool_choice kullanılabilir.

Bu yetenekler birkaç pratik desene işaret eder. Sesli asistanlar ve etkileşimli ajanlar bariz bir uyumdur, çünkü model sözlü bir alışverişin her iki tarafını da yönetir ve turlar boyunca ses tutarlılığını korur. Yalnızca metin değil, sözlü yanıt gerektiren transkripsiyon tarzı iş akışları da çalışır; içeriği doğal bir sesle yüksek sesle okuyan erişilebilirlik özellikleri de öyle. Fonksiyon çağrımı ve yapılandırılmış çıktılar desteklendiğinden, arka uç fonksiyonlarını tetikleyen ses ön uçları oluşturabilirsiniz; örneğin randevu alan veya sipariş durumunu sorgulayan ve sözlü yanıt veren bir telefon ajanı. Uzun bağlam, çok turlu oturumlar veya modelin önünde büyük bir transkript olması gerektiğinde yardımcı olur.

Modeli, openai/gpt-audio-mini model id değerini kullanarak api14'ün OpenAI uyumlu API'si üzerinden çağırırsınız. Mevcut OpenAI SDK'nızı veya HTTP istemcinizi api14 temel URL'sine yönlendirin, bu id ile bir chat completion isteği gönderin ve gereken yerlerde mesajlara ses içeriği ekleyin. İstek gövdesi frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs ve top_p kabul eder. Belirli bir çıktı şekli istediğinizde response_format ayarlayın ve modelin fonksiyonları çağırması gerektiğinde tools ile tool_choice kullanın. Sayfanın canlı fiyat tablosu güncel ücretleri gösterir.

Tartmanız gereken bir nokta çıktı uzunluğudur: 16.384 token tek bir yanıt için üst sınırdır, bu nedenle çok uzun sözlü yanıtlar veya tam sesli kitap uzunluğunda üretimler segmentlere bölünmelidir. Göreviniz tamamen metinse, yalnızca metin için bir model daha basit olabilir ve OpenAI'nin sunduğu en güçlü ses kalitesine ihtiyacınız varsa, tam GPT Audio modeli alternatiftir. Aksi takdirde, bu mini varyant aynı girdi ve çıktı modalitelerini daha küçük bir ölçekte kapsar.