GPT-4o mini TTS

Spesifikasi Teknis gpt-4o-mini-tts

gpt-4o-mini-tts adalah model teks-ke-ucapan yang diekspos melalui API audio speech untuk menghasilkan audio ucapan alami dari teks. Model ini diposisikan untuk aplikasi real-time cerdas dan mendukung kontrol berbasis prompt atas karakteristik suara seperti aksen, rentang emosi, intonasi, impresi, kecepatan bicara, nada, dan berbisik.

Dari perspektif API, gpt-4o-mini-tts digunakan dengan endpoint pembuatan suara dan menerima masukan inti termasuk ID model, teks masukan, dan suara yang dipilih. Batas teks masukan adalah 4096 karakter per permintaan. Suara bawaan yang didukung mencakup alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin, dan cedar, dengan dukungan objek suara kustom jika tersedia.

Model ini mendukung berbagai format keluaran untuk audio yang dihasilkan, termasuk mp3, opus, aac, flac, wav, dan pcm. Model ini juga mendukung kecepatan bicara yang dapat dikonfigurasi dari 0.25 hingga 4.0, dengan 1.0 sebagai default. Untuk perilaku pengiriman, API mendukung output audio langsung serta opsi streaming, termasuk streaming SSE untuk alur pemutaran yang responsif.

Skenario implementasi umum mencakup asisten suara, IVR dan alur kontak, pengalaman membacakan produk, narasi aksesibilitas, dan pembuatan suara untuk media di mana latensi rendah dan keluaran suara alami sangat penting. Ini selaras dengan posisi model yang didokumentasikan untuk pembuatan audio real-time.

Apa itu gpt-4o-mini-tts?

gpt-4o-mini-tts adalah model teks-ke-ucapan neural yang mengonversi teks tertulis menjadi audio yang ekspresif dan alami untuk aplikasi yang berhadapan dengan pengguna. Model ini dirancang bagi tim yang membutuhkan pembuatan suara cepat tanpa harus membangun dan melatih stack ucapan kustom dari nol.

Secara praktis, pengembang mengirimkan teks beserta suara yang dipilih ke API speech, dan model mengembalikan audio tersintesis yang dapat disimpan, di-streaming, atau diputar dalam aplikasi. Karena mendukung beragam suara, format ekspor audio umum, dan pengiriman yang ramah streaming, model ini sangat cocok untuk antarmuka produksi yang memerlukan respons suara dengan penundaan minimal.

Dibandingkan dengan pipeline TTS dasar, gpt-4o-mini-tts sangat berguna ketika pengalaman yang diinginkan lebih dari sekadar narasi yang terdengar robotik. Kontrol yang terdokumentasi atas nada, tempo, aksen, dan gaya ekspresif menjadikannya pilihan yang kuat untuk asisten, alur kerja terpandu, otomatisasi layanan pelanggan, dan pengalaman suara bermerek.

Fitur utama gpt-4o-mini-tts

• Pembuatan ucapan alami: Mengonversi teks menjadi audio ucapan yang menyerupai manusia untuk pengalaman yang berhadapan dengan pengguna dan real-time.
• Pengiriman berlatensi rendah: Dirancang untuk aplikasi real-time cerdas, sehingga cocok untuk antarmuka percakapan dan alur pemutaran yang responsif.
• Suara yang dapat dipilih: Mendukung beragam suara bawaan seperti alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin, dan cedar.
• Kontrol ekspresif: Dapat dipandu melalui prompt untuk membentuk aksen, rentang emosi, intonasi, impresi, nada, berbisik, dan kecepatan bicara.
• Beragam format audio: Mengekspor ucapan yang dihasilkan dalam format mp3, opus, aac, flac, wav, dan pcm untuk berbagai kebutuhan aplikasi dan pemutaran.
• Dukungan sintesis streaming: Mendukung perilaku respons berorientasi streaming, termasuk SSE, untuk aplikasi yang memerlukan pengiriman audio progresif.
• Integrasi API sederhana: Berfungsi melalui API pembuatan suara yang lugas menggunakan parameter model, teks masukan, dan suara.
• Jalur suara kustom: Dapat dipasangkan dengan objek suara kustom jika kelayakan akun dan alur pembuatan suara tersedia.

Cara mengakses dan mengintegrasikan gpt-4o-mini-tts

Langkah 1: Daftar untuk Kunci API

Untuk mulai menggunakan gpt-4o-mini-tts, buat akun di CometAPI dan hasilkan kunci API dari dasbor. Setelah masuk, salin kunci tersebut dan simpan dengan aman, karena Anda akan menggunakannya untuk mengautentikasi setiap permintaan ke API.

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

Setelah Anda memiliki kunci API, Anda dapat memanggil endpoint CometAPI yang kompatibel dengan OpenAI dan menentukan model sebagai 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)

Langkah 3: Ambil dan Verifikasi Hasil

Setelah mengirim permintaan, CometAPI mengembalikan keluaran audio yang dihasilkan untuk gpt-4o-mini-tts. Simpan file yang dikembalikan atau streaming langsung ke aplikasi Anda, lalu verifikasi bahwa suara yang dipilih, format, tempo, dan kualitas audio secara keseluruhan sesuai dengan kebutuhan produk Anda. Jika perlu, sesuaikan teks masukan, pilihan suara, format keluaran, atau pengaturan bicara, lalu kirim ulang permintaan hingga hasilnya sesuai dengan kasus penggunaan Anda.