Spécifications techniques de gpt-4o-mini-tts
gpt-4o-mini-tts est un modèle de synthèse vocale (text-to-speech) exposé via l’API audio speech pour générer, à partir de texte, un audio parlé au rendu naturel. Il est positionné pour des applications intelligentes en temps réel et prend en charge un contrôle par prompts des caractéristiques de la voix telles que l’accent, l’amplitude émotionnelle, l’intonation, les imitations, la vitesse d’élocution, le ton et le chuchotement.
Du point de vue de l’API, gpt-4o-mini-tts s’utilise avec l’endpoint de génération vocale et accepte comme entrées principales l’ID du modèle, le texte d’entrée et une voix sélectionnée. La limite de texte d’entrée est de 4096 caractères par requête. Les voix intégrées prises en charge incluent alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin et cedar, avec prise en charge d’objets de voix personnalisés lorsque disponible.
Le modèle prend en charge plusieurs formats de sortie pour l’audio généré, notamment mp3, opus, aac, flac, wav et pcm. Il prend également en charge une vitesse de parole configurable de 0.25 à 4.0, avec 1.0 par défaut. Pour le mode de diffusion, l’API prend en charge la sortie audio directe ainsi que des options de streaming, dont le streaming SSE pour des parcours de lecture réactifs.
Les scénarios de mise en œuvre typiques incluent les assistants vocaux, les flux IVR et de contact, les expériences de lecture de produits à voix haute, la narration pour l’accessibilité et la génération de voix pour les médias, où la faible latence et un rendu vocal naturel sont essentiels. Cela correspond au positionnement documenté du modèle pour la génération audio en temps réel.
Qu’est-ce que gpt-4o-mini-tts ?
gpt-4o-mini-tts est un modèle neuronal de synthèse vocale qui convertit le texte écrit en audio expressif et naturel pour des applications destinées aux utilisateurs finaux. Il est conçu pour les équipes qui ont besoin d’une génération vocale rapide sans construire ni entraîner une pile de synthèse vocale personnalisée.
Concrètement, les développeurs envoient du texte accompagné d’une voix choisie à l’API de synthèse, et le modèle retourne un audio synthétisé pouvant être enregistré, diffusé en continu ou lu dans une application. Comme il prend en charge plusieurs voix, des formats d’export audio courants et une diffusion adaptée au streaming, il convient bien aux interfaces de production qui nécessitent des réponses parlées avec un délai minimal.
Par rapport aux pipelines TTS de base, gpt-4o-mini-tts est particulièrement utile lorsque l’expérience nécessite plus qu’une narration robotique. Les contrôles documentés du ton, du rythme, de l’accent et du style expressif en font une option solide pour les assistants, les parcours guidés, l’automatisation du service client et les expériences vocales de marque.
Fonctionnalités principales de gpt-4o-mini-tts
- Génération vocale naturelle : Convertit le texte en audio parlé proche de la voix humaine, destiné aux expériences utilisateurs et aux usages en temps réel.
- Faible latence : Conçu pour des applications intelligentes en temps réel, adapté aux interfaces conversationnelles et aux flux de lecture réactifs.
- Voix sélectionnables : Prend en charge un éventail de voix intégrées telles que alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin et cedar.
- Contrôle expressif : Peut être piloté par prompts pour façonner l’accent, la palette émotionnelle, l’intonation, les imitations, le ton, le chuchotement et la vitesse d’élocution.
- Multiples formats audio : Exporte la voix générée en formats mp3, opus, aac, flac, wav et pcm selon les besoins d’application et de lecture.
- Prise en charge du streaming : Prend en charge des réponses orientées streaming, y compris SSE, pour les applications nécessitant une diffusion audio progressive.
- Intégration API simple : Fonctionne via une API de génération vocale simple utilisant les paramètres model, input text et voice.
- Voix personnalisées : Peut être associé à des objets de voix personnalisés lorsque l’éligibilité du compte et les flux de création de voix sont disponibles.
Comment accéder à et intégrer gpt-4o-mini-tts
Étape 1 : Inscrivez-vous pour obtenir une clé API
Pour commencer à utiliser gpt-4o-mini-tts, créez d’abord un compte sur CometAPI et générez votre clé API depuis le tableau de bord. Après vous être connecté, copiez la clé et conservez-la en lieu sûr, car vous l’utiliserez pour authentifier chaque requête vers l’API.
Étape 2 : Envoyez des requêtes à l’API gpt-4o-mini-tts
Une fois votre clé API obtenue, vous pouvez appeler le point de terminaison de CometAPI compatible avec OpenAI et spécifier le modèle comme 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": "Welcome to our voice assistant. How can I help you today?",
"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": "Welcome to our voice assistant. How can I help you today?",
"voice": "alloy",
"response_format": "mp3",
}
response = requests.post(url, headers=headers, json=payload)
with open("speech.mp3", "wb") as f:
f.write(response.content)
Étape 3 : Récupérez et vérifiez les résultats
Après l’envoi de la requête, CometAPI renvoie la sortie audio générée pour gpt-4o-mini-tts. Enregistrez le fichier retourné ou diffusez-le directement dans votre application, puis vérifiez que la voix sélectionnée, le format, le rythme et la qualité audio globale correspondent aux exigences de votre produit. Au besoin, ajustez le texte d’entrée, le choix de la voix, le format de sortie ou les paramètres de parole, puis renvoyez la requête jusqu’à ce que le résultat corresponde à votre cas d’usage.