GPT-4o mini TTS

gpt-4o-mini-tts Teknik Özellikleri

gpt-4o-mini-tts, metni doğal tınlayan konuşma sesine dönüştürmek için ses üretim API’si üzerinden sunulan bir metinden konuşmaya modelidir. Akıllı gerçek zamanlı uygulamalar için konumlandırılmıştır ve aksan, duygusal aralık, entonasyon, taklitler, konuşma hızı, ses tonu ve fısıldama gibi konuşma özellikleri üzerinde istem tabanlı kontrolü destekler.

API açısından, gpt-4o-mini-tts konuşma üretimi uç noktasıyla kullanılır ve model kimliği, giriş metni ve seçilen ses dahil temel girdileri kabul eder. Giriş metni sınırı istek başına 4096 karakterdir. Desteklenen yerleşik sesler arasında alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin ve cedar bulunur; uygun olduğunda özel ses nesneleri için de destek vardır.

Model, oluşturulan ses için mp3, opus, aac, flac, wav ve pcm dahil birden çok çıktı biçimini destekler. Ayrıca 0.25 ile 4.0 arasında yapılandırılabilir konuşma hızı destekler; varsayılan 1.0’dır. Teslim davranışı açısından API, doğrudan ses çıktısının yanı sıra akış seçeneklerini de destekler; duyarlı oynatma iş akışları için SSE akışı dahil.

Tipik uygulama senaryoları arasında sesli asistanlar, IVR ve çağrı akışları, ürünlerde yüksek sesle okuma deneyimleri, erişilebilirlik seslendirmesi ve düşük gecikme ile doğal ses çıktısının önemli olduğu medya için ses üretimi bulunur. Bu, modelin gerçek zamanlı ses üretimi için belgelenmiş konumlandırmasıyla örtüşür.

gpt-4o-mini-tts nedir?

gpt-4o-mini-tts, yazılı metni kullanıcıya dönük uygulamalar için ifade gücü yüksek, doğal sesli audyoya dönüştüren nöral bir metinden konuşmaya modelidir. Sıfırdan özel bir konuşma yığını kurup eğitmeden hızlı ses üretimine ihtiyaç duyan ekipler için tasarlanmıştır.

Pratikte, geliştiriciler konuşma API’sine metin ve seçilen sesi gönderir, model ise uygulamada kaydedilebilen, akış olarak iletilebilen veya çalınabilen sentezlenmiş ses döndürür. Birden fazla ses, yaygın ses dışa aktarma biçimleri ve akış dostu teslimatı desteklediği için, en az gecikmeyle konuşmalı yanıtlar gerektiren üretim arayüzleri için uygundur.

Temel TTS hatlarıyla karşılaştırıldığında, gpt-4o-mini-tts, deneyimin robotik anlatımdan fazlasını gerektirdiği durumlarda özellikle faydalıdır. Ton, tempo, aksan ve ifade tarzı üzerindeki belgelenmiş denetimler, onu asistanlar, yönlendirmeli iş akışları, müşteri hizmetleri otomasyonu ve markalı ses deneyimleri için güçlü bir seçenek haline getirir.

gpt-4o-mini-tts’in başlıca özellikleri

• Doğal konuşma üretimi: Metni, kullanıcıya dönük ve gerçek zamanlı deneyimler için tasarlanmış insan benzeri konuşma sesine dönüştürür.
• Düşük gecikmeli teslimat: Akıllı gerçek zamanlı uygulamalar için tasarlanmıştır; konuşmalı arayüzler ve duyarlı oynatma akışları için uygundur.
• Seçilebilir sesler: alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin ve cedar gibi çeşitli yerleşik sesleri destekler.
• İfade denetimi: Aksan, duygusal aralık, entonasyon, taklitler, ses tonu, fısıltı ve konuşma hızı, istemlerle yönlendirilebilir.
• Birden çok ses biçimi: mp3, opus, aac, flac, wav ve pcm biçimlerinde ses dışa aktarımı yapar.
• Akışlı sentez desteği: SSE dahil akış odaklı yanıt davranışını destekler; kademeli ses teslimine ihtiyaç duyan uygulamalar için uygundur.
• Basit API entegrasyonu: model, giriş metni ve ses parametreleriyle çalışan yalın bir konuşma üretim API’si üzerinden kullanılabilir.
• Özel ses yolu: Hesap uygunluğu ve ses oluşturma iş akışları mevcut olduğunda özel ses nesneleriyle eşleştirilebilir.

gpt-4o-mini-tts’e erişim ve entegrasyon

Adım 1: API anahtarı için kayıt olun

gpt-4o-mini-tts’i kullanmaya başlamak için önce CometAPI üzerinde bir hesap oluşturun ve panodan API anahtarınızı üretin. Oturum açtıktan sonra anahtarı kopyalayın ve güvenli bir şekilde saklayın; API’ye yaptığınız her isteği kimlik doğrulamak için bu anahtarı kullanacaksınız.

Adım 2: gpt-4o-mini-tts API’sine istek gönderin

API anahtarınızı edindikten sonra CometAPI’nin OpenAI ile uyumlu uç noktasını çağırabilir ve modeli gpt-4o-mini-tts olarak belirtebilirsiniz.

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)

Adım 3: Sonuçları alın ve doğrulayın

İsteği gönderdikten sonra CometAPI, gpt-4o-mini-tts için üretilen ses çıktısını döndürür. Dönen dosyayı kaydedin veya doğrudan uygulamanıza akıtın; ardından seçilen ses, biçim, tempo ve genel ses kalitesinin ürün gereksinimlerinize uygun olup olmadığını doğrulayın. Gerekirse, giriş metnini, ses seçimini, çıktı biçimini veya konuşma ayarlarını ayarlayın ve kullanım durumunuza uyana kadar isteği yeniden gönderin.