gpt-4o-mini-tts 的技術規格
gpt-4o-mini-tts 是透過音訊語音 API 提供的文字轉語音模型，用於從文字生成自然的口語音訊。其定位面向智慧即時應用，並支援以提示控制語音特性，如口音、情緒幅度、語調、印象、語速、語氣與耳語。
從 API 的角度來看，gpt-4o-mini-tts 透過語音生成端點使用，接受核心輸入，包括模型 ID、輸入文字與選擇的語音。每次請求的輸入文字上限為 4096 個字元。支援的內建語音包含 alloy、ash、ballad、coral、echo、fable、onyx、nova、sage、shimmer、verse、marin 和 cedar，並在可用的情況下支援自訂語音物件。
該模型支援多種生成音訊的輸出格式，包括 mp3、opus、aac、flac、wav 和 pcm。亦支援可配置的語音速度，範圍從 0.25 到 4.0，預設為 1.0。就傳遞行為而言，API 支援直接輸出音訊以及串流選項，包括 SSE 串流，以支援即時回放工作流程。
典型的實作情境包括語音助理、IVR 與聯絡流程、產品朗讀體驗、無障礙旁白，以及在低延遲與自然語音輸出至關重要的媒體語音生成。這與該模型針對即時音訊生成的定位相符。
什麼是 gpt-4o-mini-tts？
gpt-4o-mini-tts 是一種神經網路文字轉語音（TTS）模型，可將書面文字轉換為富有表現力且自然的音訊，面向使用者端應用。它針對需要快速語音生成、而不必從零建立並訓練自訂語音技術堆疊的團隊而設計。
在實務面，開發者將文本與所選語音送至語音 API，模型便會回傳合成的音訊，可在應用中儲存、串流或播放。由於其支援多種語音、常見音訊匯出格式，以及友善串流的傳遞方式，非常適合需要以最小延遲提供口語回應的生產環境介面。
與基本的 TTS 流程相比，當體驗需要不只是機械式旁白時，gpt-4o-mini-tts 尤其有用。其在語氣、節奏、口音與表達風格上的可控性，使其成為助理、引導式工作流程、客服自動化與品牌化語音體驗的強力選擇。
gpt-4o-mini-tts 的主要功能
- 自然語音生成：將文字轉為類人類的口語音訊，適用於面向使用者與即時的體驗。
- 低延遲輸出：為智慧即時應用而設計，適合會話式介面與具回應性的播放流程。
- 可選語音：支援多種內建語音，如 alloy、ash、ballad、coral、echo、fable、onyx、nova、sage、shimmer、verse、marin 和 cedar。
- 表達控制：可透過提示塑造口音、情緒幅度、語調、印象、語氣、耳語與語速。
- 多種音訊格式：可輸出 mp3、opus、aac、flac、wav 與 pcm 等格式，滿足不同應用與播放需求。
- 串流合成支援：支援面向串流的回應行為，包括 SSE，適用需漸進式音訊傳遞的應用。
- 簡單的 API 整合：透過簡單的語音生成 API 運作，使用 model、input text 與 voice 等參數。
- 自訂語音途徑：在帳戶資格與語音建立流程可用的情況下，可搭配自訂語音物件。
如何存取並整合 gpt-4o-mini-tts
步驟 1：註冊取得 API Key
若要開始使用 gpt-4o-mini-tts，請先在 CometAPI 建立帳戶並於儀表板生成 API key。登入後複製該金鑰並妥善保存，因為您需要用它來驗證所有 API 請求。
步驟 2：向 gpt-4o-mini-tts API 發送請求
取得 API key 後，您即可呼叫 CometAPI 與 OpenAI 相容的端點，並將模型指定為 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)
步驟 3：擷取並驗證結果
發送請求後，CometAPI 會回傳 gpt-4o-mini-tts 生成的音訊輸出。請將回傳的檔案儲存或直接在您的應用中串流播放，並確認所選語音、格式、節奏與整體音訊品質是否符合您的產品需求。必要時，調整輸入文字、語音選擇、輸出格式或語音設定，並重新送出請求，直到結果符合您的使用情境。