Thông số kỹ thuật của gpt-audio-1.5
| Mục | gpt-audio-1.5 (thông số công khai) |
|---|---|
| Họ mô hình | Họ GPT Audio (biến thể ưu tiên âm thanh) |
| Loại đầu vào | Văn bản, âm thanh (giọng nói vào) |
| Loại đầu ra | Văn bản, âm thanh (giọng nói ra), đầu ra có cấu trúc (hỗ trợ gọi hàm) |
| Cửa sổ ngữ cảnh | 128,000 tokens. |
| Số token đầu ra tối đa | 16,384 (được ghi trong danh sách gpt-audio liên quan). |
| Mức hiệu năng | Trí tuệ cao hơn; Tốc độ trung bình (cân bằng). |
| Hồ sơ độ trễ | Tối ưu cho tương tác giọng nói (độ trễ trung bình/thấp tùy theo endpoint). |
| Khả dụng | Chat Completions API (âm thanh vào/ra) và playground của nền tảng; tích hợp trên các bề mặt realtime/voice. |
| Ghi chú an toàn/sử dụng | Hàng rào bảo vệ cho nội dung giọng nói; xử lý đầu ra của mô hình với các biện pháp an toàn và thẩm định như thông lệ cho tác tử giọng nói trong sản xuất. |
Lưu ý:
gpt-realtime-1.5là một biến thể realtime liên quan chặt chẽ, ưu tiên âm thanh/giọng nói, được tối ưu cho độ trễ thấp hơn và các phiên realtime; so sánh bên dưới.
gpt-audio-1.5 là gì?
gpt-audio-1.5 là một mô hình GPT có khả năng âm thanh, hỗ trợ cả đầu vào giọng nói và đầu ra giọng nói thông qua Chat Completions và các API hỗ trợ âm thanh liên quan. Mô hình này được định vị là mô hình âm thanh phổ biến chính để xây dựng tác tử giọng nói và trải nghiệm ưu tiên giọng nói, cân bằng giữa chất lượng và tốc độ.
Tính năng chính
- Hỗ trợ giọng nói vào/ra: Xử lý đầu vào dạng nói và trả về phản hồi dạng nói hoặc văn bản cho các luồng thoại tự nhiên.
- Ngữ cảnh lớn cho quy trình âm thanh: Hỗ trợ ngữ cảnh rất lớn (tài liệu ghi 128k tokens) cho phép lịch sử hội thoại nhiều lượt hoặc phiên đa phương thức lớn.
- Tương thích Streaming & Chat Completions: Hoạt động trong Chat Completions với phản hồi âm thanh dạng streaming và đầu ra có cấu trúc kiểu gọi hàm.
- Hiệu năng/độ trễ cân bằng: Tinh chỉnh để cung cấp phản hồi âm thanh chất lượng cao với thông lượng trung bình—phù hợp cho chatbot và trợ lý giọng nói nơi chất lượng quan trọng.
- Hệ sinh thái & tích hợp: Được hỗ trợ trong playground của nền tảng và có mặt trên các endpoint realtime/voice chính thức cùng tích hợp đối tác (ghi chú Azure/Microsoft Foundry tham chiếu các mô hình âm thanh tương tự).
gpt-audio-1.5 so với các mô hình âm thanh liên quan
| Thuộc tính | gpt-audio-1.5 | gpt-realtime-1.5 |
|---|---|---|
| Trọng tâm chính | Âm thanh vào/ra chất lượng cao cho Chat Completions và các luồng hội thoại. | S2S realtime (speech-to-speech) với độ trễ thấp hơn cho tác tử giọng nói trực tiếp và kịch bản streaming. |
| Cửa sổ ngữ cảnh | 128k tokens. | 32k tokens (biến thể realtime được ghi nhận). |
| Số token đầu ra tối đa | 16,384 (được ghi nhận). | Thường cấu hình cho phản hồi realtime ngắn hơn (tài liệu liệt kê số token tối đa nhỏ hơn). |
| Phù hợp nhất | Chatbots, trợ lý kích hoạt giọng nói nơi cần đầy đủ ngữ nghĩa chat + âm thanh. | Tác tử giọng nói trực tiếp, kiosk và giao diện hội thoại độ trễ thấp. |
Trường hợp sử dụng tiêu biểu
- Tác tử hội thoại bằng giọng nói cho hỗ trợ khách hàng và bàn trợ giúp nội bộ.
- Trợ lý kích hoạt giọng nói tích hợp trong ứng dụng, thiết bị và kiosk.
- Quy trình rảnh tay (nhập liệu bằng giọng nói, tìm kiếm bằng giọng nói, khả năng tiếp cận).
- Trải nghiệm đa phương thức kết hợp âm thanh với văn bản/hình ảnh qua Chat Completions.
Hạn chế và lưu ý vận hành
- Không thể thay thế hoàn toàn kiểm thử QA của con người: Luôn xác minh đầu ra giọng nói và hành động hạ nguồn bằng rà soát của con người trong quy trình sản xuất.
- Hoạch định tài nguyên: Ngữ cảnh lớn và I/O âm thanh có thể tăng chi phí tính toán và độ trễ—thiết kế chiến lược streaming/phân đoạn cho các phiên dài.
- Ràng buộc an toàn & chính sách: Đầu ra giọng nói có thể mang tính thuyết phục; tuân thủ hướng dẫn an toàn và hàng rào bảo vệ của nền tảng khi triển khai ở quy mô.
- Cách truy cập GPT Audio 1.5 API
Bước 1: Đăng ký API Key
Đăng nhập vào cometapi.com. Nếu bạn chưa là người dùng, vui lòng đăng ký trước. Đăng nhập vào CometAPI console. Lấy API key thông tin xác thực truy cập của giao diện. Nhấp “Add Token” tại mục API token trong trung tâm cá nhân, lấy khóa token: sk-xxxxx và gửi.
Bước 2: Gửi yêu cầu tới GPT Audio 1.5 API
Chọn endpoint “gpt-audio-1.5” để gửi yêu cầu API và thiết lập phần thân yêu cầu. Phương thức và phần thân yêu cầu được lấy từ tài liệu API trên website của chúng tôi. Website cũng cung cấp kiểm thử Apifox để bạn tiện sử dụng. Thay <YOUR_API_KEY> bằng khóa CometAPI thực tế từ tài khoản của bạn. URL cơ sở là Chat Completions
Chèn câu hỏi hoặc yêu cầu của bạn vào trường nội dung—đây là phần mô hình sẽ phản hồi. Xử lý phản hồi API để lấy câu trả lời được tạo.
Bước 3: Truy xuất và xác minh kết quả
Xử lý phản hồi API để lấy câu trả lời được tạo. Sau khi xử lý, API phản hồi trạng thái tác vụ và dữ liệu đầu ra.