GPT-4o mini Audio Preview

Spesifikasi Teknis gpt-4o-mini-audio-preview

Apa itu gpt-4o-mini-audio-preview?

gpt-4o-mini-audio-preview adalah model multimodal yang ringkas, dirancang untuk pengembang yang ingin membangun pengalaman audio percakapan. Model ini mendukung masukan ucapan dan keluaran ucapan selain interaksi teks standar, sehingga sangat cocok untuk aplikasi di mana pengguna berbicara secara natural dan mengharapkan balasan lisan atau berbasis teks.

Model ini sangat berguna ketika sebuah produk perlu menggabungkan pengenalan ucapan otomatis, pemahaman bahasa alami, dan sintesis ucapan dalam satu siklus percakapan. Alih-alih memperlakukan transkripsi, penalaran, dan pembuatan respons sebagai komponen terpisah, gpt-4o-mini-audio-preview memungkinkan alur kerja terpadu untuk dialog teks-audio campuran.

Karena juga mendukung pemanggilan tool dan fungsi, model ini dapat melakukan lebih dari sekadar mengobrol. Model ini dapat memicu tindakan terstruktur seperti mencari informasi akun, merutekan permintaan dukungan pelanggan, memperbarui catatan, atau memanggil logika bisnis di dalam aplikasi yang lebih besar. Hal ini menjadikannya sangat cocok untuk sistem suara produksi seperti asisten virtual, agen dukungan telepon, sistem interactive voice response, pipeline transkripsi dengan peringkasan, dan asisten produk berkemampuan audio.

Fitur utama gpt-4o-mini-audio-preview

• Dukungan masukan ucapan: Menerima interaksi pengguna berbasis audio sehingga aplikasi dapat memproses permintaan lisan secara alami.
• Pembuatan keluaran ucapan: Menghasilkan respons audio untuk asisten, otomasi panggilan, dan pengalaman panduan lisan.
• Percakapan campuran teks-audio: Mendukung alur kerja di mana beberapa giliran bersifat lisan dan lainnya berbasis teks, yang bermanfaat untuk antarmuka hibrida.
• Desain multimodal yang ringkas: Menawarkan kapabilitas berkemampuan audio dalam jejak model yang lebih ringan, cocok untuk aplikasi yang responsif.
• Respons streaming: Membantu menghadirkan pengalaman latensi rendah dan waktu nyata seperti asisten live dan sistem transkripsi streaming.
• Pemanggilan tool/fungsi: Memungkinkan model memanggil tool terstruktur atau fungsi bisnis untuk tugas di luar percakapan terbuka.
• Mengikuti instruksi: Mengikuti panduan pada tingkat aplikasi untuk menjaga respons selaras dengan perilaku produk dan kebutuhan alur kerja.
• Alur kerja transkripsi dan peringkasan: Berguna untuk mengubah interaksi lisan menjadi keluaran teks terstruktur, ringkasan, atau tindakan lanjutan.
• Kesiapan IVR dan call-bot: Cocok untuk skenario dukungan pelanggan dan telefoni di mana interaksi lisan dan perutean tugas menjadi pusat.
• Bantuan audio dalam aplikasi: Dapat disematkan ke dalam produk perangkat lunak yang memerlukan bantuan berkemampuan suara, onboarding, atau tindakan terpandu.

Cara mengakses dan mengintegrasikan gpt-4o-mini-audio-preview

Langkah 1: Daftar untuk Kunci API

Untuk mulai menggunakan gpt-4o-mini-audio-preview, pertama buat akun di CometAPI dan hasilkan kunci API Anda dari dasbor. Kunci ini digunakan untuk mengautentikasi setiap permintaan dan menghubungkan aplikasi Anda ke model secara aman.

Langkah 2: Kirim Permintaan ke API gpt-4o-mini-audio-preview

Gunakan endpoint CometAPI yang kompatibel dengan OpenAI dengan dukungan masukan/keluaran audio.

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "gpt-4o-mini-audio-preview",
    "modalities": ["text", "audio"],
    "audio": {
      "voice": "alloy",
      "format": "wav"
    },
    "messages": [
      {
        "role": "user",
        "content": "Tell me a short joke."
      }
    ]
  }'

Langkah 3: Ambil dan Verifikasi Hasil

API mengembalikan respons chat completion standar dengan field tambahan audio yang berisi keluaran audio terkode base64. Dekode data audio dan verifikasi kualitas sebelum digunakan di produksi.