Spesifikasi Teknikal bagi gpt-4o-mini-tts
gpt-4o-mini-tts ialah model teks-ke-pertuturan yang didedahkan melalui API pertuturan audio untuk menjana audio pertuturan yang kedengaran semula jadi daripada teks. Ia diposisikan untuk aplikasi masa nyata pintar dan menyokong kawalan berasaskan prompt terhadap ciri pertuturan seperti aksen, julat emosi, intonasi, imitasi, kelajuan pertuturan, nada, dan bisikan.
Dari perspektif API, gpt-4o-mini-tts digunakan dengan endpoint penjanaan pertuturan dan menerima input teras termasuk ID model, teks input, dan suara yang dipilih. Had teks input ialah 4096 aksara bagi setiap permintaan. Suara terbina yang disokong termasuk alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin, dan cedar, dengan sokongan untuk objek suara tersuai jika tersedia.
Model ini menyokong pelbagai format output untuk audio yang dijana, termasuk mp3, opus, aac, flac, wav, dan pcm. Ia juga menyokong kelajuan pertuturan yang boleh dikonfigurasi dari 0.25 hingga 4.0, dengan 1.0 sebagai nilai lalai. Bagi tingkah laku penyampaian, API menyokong output audio terus serta pilihan penstriman, termasuk penstriman SSE untuk aliran kerja main balik yang responsif.
Senario pelaksanaan tipikal termasuk pembantu suara, IVR dan aliran pusat hubungan, pengalaman bacaan lantang produk, narasi kebolehcapaian, dan penjanaan suara media di mana kependaman rendah dan keluaran suara yang semula jadi adalah penting. Ini sejajar dengan pemposisian model yang didokumenkan untuk penjanaan audio masa nyata.
Apakah gpt-4o-mini-tts?
gpt-4o-mini-tts ialah model teks-ke-pertuturan neural yang menukar teks bertulis kepada audio yang ekspresif dan semula jadi untuk aplikasi berorientasikan pengguna. Ia direka untuk pasukan yang memerlukan penjanaan suara pantas tanpa membina dan melatih timbunan pertuturan tersuai dari awal.
Secara praktikal, pembangun menghantar teks bersama suara yang dipilih kepada API pertuturan, dan model mengembalikan audio yang disintesis yang boleh disimpan, distrim, atau dimainkan semula dalam aplikasi. Memandangkan ia menyokong pelbagai suara, format eksport audio lazim, dan penyampaian yang mesra penstriman, ia sangat sesuai untuk antara muka produksi yang memerlukan respons pertuturan dengan kelewatan minimum.
Berbanding aliran TTS asas, gpt-4o-mini-tts amat berguna apabila pengalaman memerlukan lebih daripada penceritaan robotik. Kawalan yang didokumenkan terhadap nada, tempo, aksen, dan gaya ekspresif menjadikannya pilihan kukuh untuk pembantu, aliran kerja berpandu, automasi khidmat pelanggan, dan pengalaman suara berjenama.
Ciri utama gpt-4o-mini-tts
- Penjanaan pertuturan semula jadi: Menukar teks kepada audio pertuturan seperti manusia yang ditujukan untuk pengalaman berorientasikan pengguna dan masa nyata.
- Penyampaian kependaman rendah: Direka untuk aplikasi masa nyata pintar, menjadikannya sesuai untuk antara muka perbualan dan aliran main balik yang responsif.
- Pilihan suara: Menyokong rangkaian suara terbina seperti alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin, dan cedar.
- Kawalan ekspresif: Boleh digesa untuk membentuk aksen, julat emosi, intonasi, imitasi, nada, bisikan, dan kelajuan pertuturan.
- Pelbagai format audio: Mengeksport pertuturan yang dijana dalam format mp3, opus, aac, flac, wav, dan pcm untuk keperluan aplikasi dan main balik yang berbeza.
- Sokongan sintesis penstriman: Menyokong tingkah laku respons berorientasikan penstriman, termasuk SSE, untuk aplikasi yang memerlukan penyampaian audio progresif.
- Integrasi API yang ringkas: Berfungsi melalui API penjanaan pertuturan yang mudah menggunakan parameter model, teks input, dan suara.
- Laluan suara tersuai: Boleh dipadankan dengan objek suara tersuai apabila kelayakan akaun dan aliran kerja penciptaan suara tersedia.
Cara mengakses dan mengintegrasikan gpt-4o-mini-tts
Langkah 1: Daftar untuk Kunci API
Untuk mula menggunakan gpt-4o-mini-tts, mula-mula cipta akaun di CometAPI dan jana kunci API anda daripada papan pemuka. Selepas log masuk, salin kunci tersebut dan simpannya dengan selamat, kerana anda akan menggunakannya untuk mengesahkan setiap permintaan ke API.
Langkah 2: Hantar Permintaan ke API gpt-4o-mini-tts
Sebaik sahaja anda mempunyai kunci API, anda boleh memanggil endpoint CometAPI yang serasi OpenAI dan menetapkan 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: Dapatkan dan Sahkan Keputusan
Selepas menghantar permintaan, CometAPI memulangkan output audio yang dijana untuk gpt-4o-mini-tts. Simpan fail yang dipulangkan atau strimkannya terus ke dalam aplikasi anda, kemudian sahkan bahawa suara, format, tempo, dan kualiti audio keseluruhan yang dipilih menepati keperluan produk anda. Jika perlu, laraskan teks input, pilihan suara, format output, atau tetapan pertuturan dan hantar semula permintaan sehingga hasilnya sesuai dengan kes penggunaan anda.