GPT-4o mini TTS

المواصفات التقنية لـ gpt-4o-mini-tts

يعد gpt-4o-mini-tts نموذجًا لتحويل النص إلى كلام متاحًا عبر واجهة برمجة تطبيقات الصوت من أجل توليد صوت منطوق طبيعي انطلاقًا من النص. وهو موجّه لتطبيقات فورية ذكية ويدعم التحكم عبر التوجيه في خصائص الكلام مثل اللكنة ونطاق العاطفة والتنغيم وتقليد الأصوات وسرعة الكلام والنبرة والهمس.

من منظور واجهة البرمجة، يُستخدم gpt-4o-mini-tts مع نقطة نهاية توليد الصوت ويقبل مُدخلات أساسية تشمل معرّف النموذج ونص الإدخال والصوت المحدد. حد نص الإدخال هو 4096 حرفًا لكل طلب. تتضمن الأصوات المدمجة المدعومة: alloy وash وballad وcoral وecho وfable وonyx وnova وsage وshimmer وverse وmarin وcedar، مع دعم كائنات الصوت المخصصة حيثما كانت متاحة.

يدعم النموذج عدة صيغ إخراج للصوت المولّد، بما في ذلك mp3 وopus وaac وflac وwav وpcm. كما يدعم سرعة كلام قابلة للتهيئة من 0.25 إلى 4.0، مع 1.0 كإعداد افتراضي. وبالنسبة لسلوك التسليم، تدعم الواجهة إخراج الصوت مباشرةً وكذلك خيارات البث، بما في ذلك بث SSE لسير عمل تشغيل سريع الاستجابة.

تشمل سيناريوهات التنفيذ النموذجية: المساعدات الصوتية، ونظم الرد الصوتي التفاعلي (IVR) وتدفقات مراكز الاتصال، وتجارب قراءة المنتجات بصوت عالٍ، وسرد المحتوى بغرض تسهيل الوصول، وتوليد الصوت للوسائط حيث تُعد الكمون المنخفضة وجودة الصوت الطبيعية أمرًا مهمًا. ويتماشى ذلك مع تموضع النموذج الموثّق لتوليد الصوت الفوري.

ما هو gpt-4o-mini-tts؟

gpt-4o-mini-tts هو نموذج عصبي لتحويل النص إلى كلام يحوّل النص المكتوب إلى صوت طبيعي معبّر للتطبيقات المواجهة للمستخدم. وقد صُمّم للفرق التي تحتاج إلى توليد صوت سريع من دون بناء وتدريب حزمة كلام مخصصة من الصفر.

عمليًا، يرسل المطوّرون نصًا وصوتًا مختارًا إلى واجهة توليد الكلام، فيُرجِع النموذج صوتًا مُركّبًا يمكن حفظه أو بثّه أو تشغيله داخل التطبيق. وبفضل دعمه لعدة أصوات وصيغ تصدير صوتية شائعة وتسليم ملائم للبث، فإنه مناسب جيدًا لواجهات الإنتاج التي تحتاج إلى استجابات منطوقة بأقل تأخير ممكن.

مقارنةً بخطوط أنابيب TTS الأساسية، يكون gpt-4o-mini-tts مفيدًا بشكل خاص عندما تتطلب التجربة ما يتجاوز السرد الآلي الروبوتي. فإمكانات التحكم الموثّقة في النبرة والإيقاع واللكنة والأسلوب التعبيري تجعل منه خيارًا قويًا للمساعدين، وسير العمل الإرشادي، وأتمتة خدمة العملاء، وتجارب الصوت المتوافق مع العلامة التجارية.

الميزات الرئيسية لـ gpt-4o-mini-tts

• توليد كلام طبيعي: يحوّل النص إلى صوت منطوق شبيه بالبشر مخصص للتجارب المواجهة للمستخدم والزمن الحقيقي.
• تسليم منخفض الكمون: مُصمّم للتطبيقات الفورية الذكية، ما يجعله مناسبًا لواجهات محادثية وتدفقات تشغيل سريعة الاستجابة.
• أصوات قابلة للاختيار: يدعم مجموعة من الأصوات المدمجة مثل alloy، ash، ballad، coral، echo، fable، onyx، nova، sage، shimmer، verse، marin، وcedar.
• تحكم تعبيري: يمكن توجيهه لضبط اللكنة ونطاق العاطفة والتنغيم وتقليد الأصوات والنبرة والهمس وسرعة الكلام.
• صيغ صوتية متعددة: يصدّر الكلام المولّد بصيغ mp3 وopus وaac وflac وwav وpcm لتلبية احتياجات التطبيقات والتشغيل المختلفة.
• دعم التوليف المتدفق: يدعم سلوك استجابة موجهًا للبث، بما في ذلك SSE، للتطبيقات التي تحتاج إلى تسليم صوت تقدّمي.
• تكامل API بسيط: يعمل عبر واجهة توليد الكلام باستخدام معلمات النموذج ونص الإدخال والصوت.
• مسار صوت مخصص: يمكن إقرانه بكائنات صوت مخصصة حيثما توفرت أهلية الحساب وإجراءات إنشاء الصوت.

كيفية الوصول ودمج gpt-4o-mini-tts

الخطوة 1: التسجيل للحصول على مفتاح API

لبدء استخدام gpt-4o-mini-tts، أنشئ حسابًا على CometAPI واستخرج مفتاح API من لوحة التحكم. بعد تسجيل الدخول، انسخ المفتاح وخزّنه بأمان، إذ ستستخدمه لمصادقة كل طلب إلى الواجهة.

الخطوة 2: إرسال الطلبات إلى واجهة gpt-4o-mini-tts البرمجية

بمجرد حصولك على مفتاح API، يمكنك استدعاء نقطة النهاية المتوافقة مع OpenAI لدى CometAPI وتحديد النموذج gpt-4o-mini-tts.

curl https://api.cometapi.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "مرحبًا بك في مساعدنا الصوتي. كيف يمكنني مساعدتك اليوم؟",
    "voice": "alloy",
    "response_format": "mp3"
  }' \
  --output speech.mp3

import requests

url = "https://api.cometapi.com/v1/audio/speech"
headers = {
    "Authorization": "Bearer YOUR_COMETAPI_API_KEY",
    "Content-Type": "application/json",
}
payload = {
    "model": "gpt-4o-mini-tts",
    "input": "مرحبًا بك في مساعدنا الصوتي. كيف يمكنني مساعدتك اليوم؟",
    "voice": "alloy",
    "response_format": "mp3",
}

response = requests.post(url, headers=headers, json=payload)
with open("speech.mp3", "wb") as f:
    f.write(response.content)

الخطوة 3: استرجاع النتائج والتحقق منها

بعد إرسال الطلب، تُرجع CometAPI خرج الصوت المولّد لـ gpt-4o-mini-tts. احفظ الملف المُعاد أو قم ببثّه مباشرةً داخل تطبيقك، ثم تحقّق من أن الصوت المختار والصيغة والإيقاع وجودة الصوت العامة تتوافق مع متطلبات منتجك. عند الحاجة، عدّل نص الإدخال أو اختيار الصوت أو صيغة الإخراج أو إعدادات الكلام وأعد إرسال الطلب حتى تلائم النتيجة حال الاستخدام لديك.