gpt-4o-mini-audio-preview Teknik Özellikleri
| Özellik | Ayrıntılar |
|---|---|
| Model Kimliği | gpt-4o-mini-audio-preview |
| Model Türü | Kompakt çok modlu ses önizleme modeli |
| Temel Modaliteler | Metin girdi/çıktısı, konuşma girişi, konuşma çıkışı |
| Birincil Arayüz Kalıbı | Çok modlu mesaj içeriğiyle sohbet tabanlı etkileşimler |
| Ses Yetenekleri | Konuşma tanıma, konuşma sentezi, karma metin-ses konuşması |
| Akış Desteği | Evet, gerçek zamanlı konuşma akışları için uygun |
| Araç / İşlev Çağırma | Yapılandırılmış eylemler ve iş akışı entegrasyonu için desteklenir |
| En Uygun Olduğu Alanlar | Sesli asistanlar, akış sırasında transkripsiyon, IVR, çağrı-bot iş akışları, uygulama içi ses yardımcıları |
| Etkileşim Tarzı | Talimat izleyen, çok modlu diyalog turlarına sahip konuşma modeli |
| Entegrasyon Kalıbı | CometAPI üzerinden gpt-4o-mini-audio-preview model kimliği kullanılarak API tabanlı erişim |
gpt-4o-mini-audio-preview nedir?
gpt-4o-mini-audio-preview, konuşmaya dayalı ses deneyimleri oluşturmak isteyen geliştiriciler için tasarlanmış kompakt bir çok modlu modeldir. Standart metin etkileşimlerine ek olarak hem konuşma girişi hem de konuşma çıktısını destekler; bu da kullanıcıların doğal biçimde konuştuğu ve sözlü ya da metin tabanlı yanıt beklediği uygulamalar için oldukça uygundur.
Bu model, bir ürünün otomatik yazıya döküm (transkripsiyon), doğal dil anlama ve konuşma sentezini tek bir konuşma döngüsünde birleştirmesi gerektiğinde özellikle faydalıdır. Yazıya döküm, akıl yürütme ve yanıt üretmeyi ayrı bileşenler olarak ele almak yerine, gpt-4o-mini-audio-preview karma metin-ses diyalogları için birleştirilmiş bir iş akışı sunar.
Ayrıca araç ve işlev çağırmayı da desteklediği için model yalnızca konuşmakla kalmaz. Hesap bilgisi sorgulama, bir müşteri destek isteğini yönlendirme, kayıtları güncelleme ya da daha büyük bir uygulama içinde iş mantığını çağırma gibi yapılandırılmış eylemleri tetikleyebilir. Bu da onu sanal asistanlar, telefon destek ajanları, etkileşimli sesli yanıt sistemleri, özetlemeli transkripsiyon hatları ve ses özellikli ürün asistanları gibi üretim ortamındaki ses sistemleri için güçlü bir seçenek haline getirir.
gpt-4o-mini-audio-preview'ün başlıca özellikleri
- Konuşma girişi desteği: Uygulamaların konuşmalı istekleri doğal biçimde işlemesine olanak tanımak için ses tabanlı kullanıcı etkileşimlerini kabul eder.
- Konuşma çıktısı üretimi: Asistanlar, çağrı otomasyonu ve sözlü yönlendirme deneyimleri için sesli yanıtlar üretir.
- Karma metin-ses konuşmaları: Bazı turların konuşma, bazılarının metin olduğu iş akışlarını destekler; hibrit arayüzler için kullanışlıdır.
- Kompakt çok modlu tasarım: Duyarlı uygulamalar için uygun, daha hafif bir model ayak izi sunar.
- Akışlı yanıtlar: Canlı asistanlar ve akış sırasında transkripsiyon gibi düşük gecikmeli, gerçek zamanlı deneyimleri destekler.
- Araç/işlev çağırma: Açık uçlu konuşmanın ötesindeki görevler için yapılandırılmış araçları veya iş işlevlerini çağırmasını sağlar.
- Talimat izleme: Yanıtları ürün davranışı ve iş akışı gereksinimleriyle uyumlu tutmak için uygulama düzeyindeki yönergeleri izler.
- Transkripsiyon ve özetleme iş akışları: Konuşmalı etkileşimleri yapılandırılmış metin çıktıları, özetler veya aşağı akış eylemlerine dönüştürmek için kullanışlıdır.
- IVR ve çağrı-bot kullanımlarına hazır: Konuşmalı etkileşim ve görev yönlendirmesinin merkezde olduğu müşteri destek ve telekom senaryolarına uyar.
- Uygulama içi sesli yardım: Ses özellikli yardım, işe alıştırma veya yönlendirilmiş eylemler gereken yazılım ürünlerine gömülebilir.
gpt-4o-mini-audio-preview'e nasıl erişilir ve entegre edilir
Adım 1: API anahtarı için kaydolun
gpt-4o-mini-audio-preview’i kullanmaya başlamak için önce CometAPI’de bir hesap oluşturun ve kontrol panelinden API anahtarınızı oluşturun. Bu anahtar, her isteği kimlik doğrulamak ve uygulamanızı modele güvenli şekilde bağlamak için kullanılır.
Adım 2: gpt-4o-mini-audio-preview API’sine istek gönderin
Ses girdi/çıktı desteği olan CometAPI’nin OpenAI uyumlu uç noktasını kullanın.
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."
}
]
}'
Adım 3: Sonuçları alın ve doğrulayın
API, base64 ile kodlanmış ses çıktısını içeren ek bir audio alanıyla birlikte standart bir sohbet tamamlama yanıtı döndürür. Üretimde kullanmadan önce ses verisinin kodunu çözün ve kalitesini doğrulayın.