Spesifikasi Teknis gpt-4o-mini-audio
| Spesifikasi | Detail |
|---|---|
| ID Model | gpt-4o-mini-audio |
| Tipe model | Model multimodal ucapan dan teks |
| Modalitas inti | Input audio, input teks, output audio, output teks |
| Kemampuan utama | Pengenalan ucapan, terjemahan ucapan, teks-ke-ucapan, mengikuti instruksi, pemanggilan fungsi, pembuatan JSON terstruktur |
| Mode respons | Respons standar dan streaming |
| Terbaik untuk | Asisten suara waktu nyata, keterangan langsung, terjemahan, perangkuman panggilan, alur kerja yang dikendalikan suara |
| Gaya interaksi | Percakapan, dapat menggunakan alat, pertukaran multimodal dengan hambatan rendah |
| Dukungan keluaran terstruktur | Ya, termasuk respons bergaya JSON yang dipandu skema |
| Penggunaan alat | Ya, mendukung pemanggilan fungsi untuk tindakan eksternal terstruktur |
| Pola integrasi | Permintaan berbasis API dari layanan backend, aplikasi, agen, dan sistem waktu nyata |
Apa itu gpt-4o-mini-audio?
gpt-4o-mini-audio adalah model AI multimodal yang dirancang untuk aplikasi yang menggabungkan interaksi lisan dan tertulis. Model ini dapat memahami ucapan, memproses instruksi teks, menghasilkan respons lisan, dan mendukung alur kerja yang memerlukan pertukaran cepat serta interaktif antara pengguna dan sistem perangkat lunak.
Model ini sangat cocok untuk produk yang mengedepankan pengalaman berbasis suara tanpa mengorbankan otomasi terstruktur. Model dapat mentranskripsikan ucapan, menerjemahkan audio lintas bahasa, merespons secara percakapan, dan memicu alat atau fungsi saat aplikasi memerlukan tindakan di luar sekadar pembuatan teks.
Karena mendukung jalur audio dan teks, gpt-4o-mini-audio adalah pilihan praktis untuk membangun asisten yang dapat mendengarkan, berpikir, berbicara, dan mengoordinasikan sistem hilir. Penggunaan umum mencakup agen suara dukungan pelanggan, ringkasan rapat dan panggilan, keterangan waktu nyata, asisten multibahasa, dan antarmuka aplikasi yang dikendalikan oleh suara.
Fitur utama gpt-4o-mini-audio
- Input dan output audio: Menerima input lisan dan dapat menghasilkan respons lisan, memungkinkan alur aplikasi berbasis suara yang alami.
- Pengenalan ucapan: Mengonversi ucapan pengguna menjadi teks yang dapat digunakan untuk penalaran, otomasi, dan kontrol antarmuka.
- Terjemahan ucapan: Mendukung alur kerja berorientasi terjemahan untuk percakapan multibahasa, keterangan, dan skenario aksesibilitas.
- Respons Teks-ke-Ucapan: Menghasilkan balasan audio untuk asisten interaktif, alat bebas-genggam, dan pengalaman pengguna berbasis suara.
- Mengikuti instruksi: Menangani prompt terpandu secara andal untuk perilaku asisten, alur operasional, dan tugas spesifik domain.
- Respons streaming: Mendukung output bertahap untuk latensi lebih rendah pada pengalaman pengguna waktu nyata dalam sistem suara dan keterangan.
- Pemanggilan fungsi: Dapat memanggil alat atau fungsi yang ditentukan aplikasi untuk tindakan terstruktur seperti pencarian, alur pemesanan, atau orkestrasi alur kerja.
- Keluaran JSON terstruktur: Berguna bagi sistem yang memerlukan respons yang dapat diproses mesin secara terprediksi untuk parsing, validasi, dan otomasi.
- Dukungan aplikasi multimodal: Cocok untuk produk yang menggabungkan chat, suara, transkrip, ringkasan, dan pengambilan tindakan dalam satu pengalaman.
- Fleksibilitas ramah produksi: Bekerja baik untuk asisten, alur dukungan, pipeline transkripsi langsung, dan aplikasi yang dikendalikan suara yang memerlukan interaksi alami serta keluaran terstruktur.
Cara mengakses dan mengintegrasikan gpt-4o-mini-audio
Langkah 1: Daftar untuk Kunci API
Mulailah dengan membuat akun CometAPI dan menghasilkan kunci API dari dasbor. Simpan kunci tersebut dengan aman dan muat melalui variabel lingkungan di aplikasi Anda. Kunci ini akan digunakan untuk mengautentikasi setiap permintaan yang Anda kirim ke API gpt-4o-mini-audio.
Langkah 2: Kirim Permintaan ke API gpt-4o-mini-audio
Setelah memperoleh kunci API Anda, kirim permintaan HTTPS ke endpoint CometAPI menggunakan SDK atau klien HTTP pilihan Anda. Setel bidang model ke gpt-4o-mini-audio dan sertakan payload input yang sesuai untuk kasus penggunaan Anda, seperti teks, audio, parameter streaming, definisi alat, atau instruksi keluaran terstruktur.
curl https://api.cometapi.com/v1/responses \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $COMETAPI_API_KEY" \
-d '{
"model": "gpt-4o-mini-audio",
"input": "Transcribe this audio and return a short summary."
}'
Langkah 3: Ambil dan Verifikasi Hasil
Saat API merespons, uraikan konten yang dikembalikan berdasarkan format yang Anda minta, seperti teks biasa, metadata keluaran audio, peristiwa streaming, atau JSON terstruktur. Verifikasi bahwa respons sesuai dengan skema yang Anda harapkan, konfirmasi pemanggilan alat jika alur kerja Anda menggunakan pemanggilan fungsi, dan catat keluaran dengan semestinya agar integrasi Anda dengan gpt-4o-mini-audio tetap andal di produksi.