Specifiche tecniche di gpt-4o-mini-tts
gpt-4o-mini-tts è un modello di sintesi vocale esposto tramite l'audio speech API per generare audio parlato dal suono naturale a partire dal testo. È posizionato per applicazioni intelligenti in tempo reale e supporta il controllo basato su prompt delle caratteristiche della voce, come accento, gamma emotiva, intonazione, imitazioni, velocità di parlato, tono e sussurro.
Dal punto di vista dell'API, gpt-4o-mini-tts si usa con l'endpoint di generazione vocale e accetta input principali tra cui l'ID del modello, il testo di input e una voce selezionata. Il limite del testo di input è di 4096 caratteri per richiesta. Le voci integrate supportate includono alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin e cedar, con supporto per oggetti di voce personalizzati ove disponibili.
Il modello supporta più formati di output per l'audio generato, inclusi mp3, opus, aac, flac, wav e pcm. Supporta inoltre una velocità di parlato configurabile da 0.25 a 4.0, con 1.0 come valore predefinito. Per il comportamento di consegna, l'API supporta l'output audio diretto così come opzioni di streaming, incluso lo streaming SSE per flussi di riproduzione reattivi.
Gli scenari di implementazione tipici includono assistenti vocali, IVR e flussi di contatto, esperienze di lettura ad alta voce di prodotto, narrazione per l'accessibilità e generazione vocale per i media, dove contano bassa latenza e resa vocale naturale. Questo è in linea con il posizionamento documentato del modello per la generazione audio in tempo reale.
Che cos'è gpt-4o-mini-tts?
gpt-4o-mini-tts è un modello neurale di sintesi vocale che converte il testo scritto in audio espressivo e naturale per applicazioni rivolte agli utenti. È progettato per team che necessitano di una generazione vocale rapida senza dover costruire e addestrare da zero uno stack vocale personalizzato.
In pratica, gli sviluppatori inviano testo più una voce scelta all'API di sintesi e il modello restituisce audio sintetizzato che può essere salvato, trasmesso in streaming o riprodotto in un'applicazione. Poiché supporta più voci, formati di esportazione audio comuni e una consegna adatta allo streaming, è adatto a interfacce di produzione che necessitano di risposte vocali con ritardo minimo.
Rispetto alle pipeline TTS di base, gpt-4o-mini-tts è particolarmente utile quando l'esperienza richiede più di una narrazione robotica. I controlli documentati su tono, ritmo, accento e stile espressivo lo rendono un'opzione solida per assistenti, flussi guidati, automazione del servizio clienti ed esperienze vocali di brand.
Caratteristiche principali di gpt-4o-mini-tts
- Generazione di parlato naturale: Converte il testo in audio parlato simile a quello umano, pensato per esperienze rivolte agli utenti e in tempo reale.
- Consegna a bassa latenza: Progettato per applicazioni intelligenti in tempo reale, adatto a interfacce conversazionali e flussi di riproduzione reattivi.
- Voci selezionabili: Supporta una gamma di voci integrate come alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin e cedar.
- Controllo espressivo: Può essere guidato tramite prompt per plasmare accento, gamma emotiva, intonazione, imitazioni, tono, sussurro e velocità di parlato.
- Molteplici formati audio: Esporta l'audio generato nei formati mp3, opus, aac, flac, wav e pcm per diverse esigenze applicative e di riproduzione.
- Supporto alla sintesi in streaming: Supporta comportamenti di risposta orientati allo streaming, inclusi SSE, per applicazioni che necessitano di consegna audio progressiva.
- Integrazione API semplice: Funziona tramite una semplice API di generazione vocale usando i parametri model, input text e voice.
- Percorso per voci personalizzate: Può essere abbinato a oggetti di voce personalizzati ove l'account sia idoneo e siano disponibili flussi di creazione della voce.
Come accedere e integrare gpt-4o-mini-tts
Passo 1: Registrati per ottenere la chiave API
Per iniziare a usare gpt-4o-mini-tts, crea prima un account su CometAPI e genera la tua chiave API dalla dashboard. Dopo aver effettuato l'accesso, copia la chiave e conservala in modo sicuro, poiché la utilizzerai per autenticare ogni richiesta all'API.
Passo 2: Invia richieste all'API di gpt-4o-mini-tts
Una volta che hai la tua chiave API, puoi chiamare l'endpoint di CometAPI compatibile con OpenAI e specificare il modello come 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)
Passo 3: Recupera e verifica i risultati
Dopo l'invio della richiesta, CometAPI restituisce l'output audio generato per gpt-4o-mini-tts. Salva il file restituito o trasmettilo direttamente in streaming nella tua applicazione, quindi verifica che la voce selezionata, il formato, il ritmo e la qualità audio complessiva corrispondano ai requisiti del tuo prodotto. Se necessario, modifica il testo di input, la scelta della voce, il formato di output o le impostazioni del parlato e reinvia la richiesta finché il risultato non si adatta al tuo caso d'uso.