128 mil

Fora

Bater papo

desativar

GPT Audio Mini

Proporciona uma saída de voz robusta e com som natural, mantendo a eficiência e permitindo a interação por voz em dispositivos com recursos limitados.

Tokens de $1 grátis para novos membros

Text to Speech

Javascript

Python

                                        import { writeFileSync } from 'node:fs';
import OpenAI from 'openai';

const api = new OpenAI({
  baseURL: 'https://api.ai.cc/v1',
  apiKey: '',
});

const main = async () => {
  const answer = await api.chat.completions.create({
    model: 'openai/gpt-audio-mini',
    modalities: ['text', 'audio'],
    audio: { voice: 'alloy', format: 'wav' },
    messages: [
      {
        role: 'user',
        content: 'Tell me, why is the sky blue?'
      }
    ],
  });

  console.log(answer.choices[0]);

  writeFileSync(
    'answer.wav',
    Buffer.from(answer.choices[0].message.audio.data, 'base64'),
    { encoding: 'utf-8' }
  );
};

main();

                                        import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ai.cc/v1",
    api_key="",    
)

response = client.chat.completions.create(
    model="openai/gpt-audio-mini",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[
        {
            "role": "user",
            "content": "Tell me, why is the sky blue?"
        },
    ],
)

print(response.choices[0])

wav_bytes = base64.b64decode(response.choices[0].message.audio.data)
with open("answer.wav", "wb") as f:
    f.write(wav_bytes)

Docs

Uma API com mais de 300 modelos de IA

Economize 20% nos custos e ganhe tokens grátis de $1.

Obter chave de API Explorar modelos

GPT Audio Mini

Detalhes do produto

🚀 Apresentando a GPT Audio Mini API: Síntese de fala em tempo real para aplicações modernas

O GPT Audio Mini é uma variante de ponta e leve da família GPT Audio, projetada especificamente para geração de fala altamente eficiente e com baixa latência. Este modelo poderoso é perfeito para aplicações interativas em tempo real, incluindo assistentes de voz avançados, chatbots inteligentes e softwares de ditado, onde a capacidade de resposta instantânea e o consumo mínimo de recursos são fundamentais. Ele equilibra com maestria a saída de áudio de alta qualidade com velocidade excepcional, tornando-se uma solução ideal para implantação em dispositivos de borda ou em serviços com recursos computacionais limitados.

⚙️ Especificações Técnicas

Tipo de modelo: Modelo TTS (Text-to-Speech) neural autorregressivo leve
Contagem de parâmetros: Aproximadamente 100 milhões de parâmetros
Modalidades de entrada: Sequências de entrada de texto
Modalidades de saída: Geração de forma de onda de áudio
Taxa de amostragem: Qualidade de saída padrão de 24 kHz
Latência: Tempo médio de resposta sob 100 ms em dispositivos de borda típicos
Idiomas suportados: Inglês (principal), com apoio multilíngue planejado.
Arquitetura do modelo: Codificador-decodificador baseado em transformador modificado
Compatibilidade de hardware: CPU e GPU otimizadas para inferência em dispositivos de consumo convencionais

📊 Indicadores de desempenho

Naturalidade da fala: MOS (Pontuação Média de Opinião) em torno de 4,1/5 em testes de usuário
Comparação de latência: 30-40% mais rápido do que o GPT-Audio em escala completa em hardware padrão
Utilização de recursos: Opera em Consumo de RAM 50-60% menor do que o modelo base GPT-Audio
Robustez: Mantém a inteligibilidade com até 15 dB de ruído de fundo.

✨ Principais características do GPT Audio Mini

Síntese de fala de baixa latência: A arquitetura otimizada garante atraso mínimo para interação em tempo real.
Design com uso eficiente de recursos: Projetado para baixo consumo de energia e tamanho reduzido da memória, perfeito para ambientes com recursos limitados.
Geração de voz versátil: Capaz de produzir fala com som natural em diversos estilos e contextos.
Tamanho do modelo compacto: Facilita a integração em ambientes leves e plataformas móveis.
Robusto em cenários ruidosos: Mantém clareza e inteligibilidade excepcionais mesmo em condições acústicas desafiadoras.
Saídas de voz personalizáveis: Permite ajustes precisos para se adequar a vozes de marca específicas ou requisitos específicos da aplicação.

💰 Preços da Mini API de Áudio GPT

Entrada: US$ 10,50 / 1 milhão de tokens de áudio; US$ 0,63 / 1 milhão de tokens (entrada de texto)
Saída: US$ 21,00 / 1 milhão de unidades produzidas; US$ 2,52 / 1 milhão de tokens (saída de áudio)

💡 Casos de uso comuns

Assistentes de voz: Permitir respostas de voz ágeis e naturais com atrasos mínimos.
Bots de suporte ao cliente: Oferecendo síntese de voz clara e envolvente para call centers e plataformas de bate-papo online.
Aplicativos de ditado: Fornecendo feedback de transcrição para fala em tempo real para uma experiência de usuário aprimorada.
Ferramentas educacionais interativas: Geração de fala dinâmica para programas de tutoria ou aprendizagem de idiomas.
Ferramentas de acessibilidade: Fornecendo energia para tecnologias assistivas para usuários com deficiência visual ou motora.
Dispositivos IoT: Integrar funcionalidades de comando de voz em dispositivos inteligentes com recursos de hardware limitados.

💻 Exemplo de código

🆚 Comparação com outros modelos líderes

vs GPT-4o Mini TTS: Embora o GPT-4o Mini TTS ofereça maior controle sobre a entonação e o estilo com o desacoplamento da impressão vocal, resultando em uma fala ligeiramente mais natural e expressiva, GPT Audio Mini É especificamente otimizado para um tempo de resposta ligeiramente mais rápido e uma menor ocupação de memória, tornando-o ideal para computação de borda.

vs OpenAI TTS-1: GPT Audio Mini O GPT Audio Mini supera significativamente o TTS-1 em velocidade de geração e mantém uma naturalidade de fala geral superior. Enquanto o TTS-1 prioriza a síntese rápida, o GPT Audio Mini combina velocidade com maior clareza de áudio, tornando-o mais adequado para aplicações exigentes de assistentes de voz interativos.

vs OpenAI Whisper: O OpenAI Whisper se destaca no suporte a vários idiomas e na precisão da transcrição, em vez da síntese de baixa latência. GPT Audio Mini É ideal para cenários interativos que exigem geração rápida de voz, com foco principal no inglês e em recursos multilíngues futuros.

vs ElevenLabs Turbo: O ElevenLabs Turbo prioriza a velocidade, mas depende exclusivamente de inferência na nuvem e não oferece suporte offline. GPT Audio Mini Oferece qualidade comparável, ao mesmo tempo que proporciona total privacidade no dispositivo e portabilidade multiplataforma superior.

❓ Perguntas frequentes (FAQ)

P: Qual é a principal finalidade do GPT Audio Mini?

A: O GPT Audio Mini foi projetado para geração de fala eficiente e de baixa latência, visando aplicações interativas em tempo real, como assistentes de voz e chatbots, onde a capacidade de resposta e a economia de recursos são cruciais.

P: Como o GPT Audio Mini consegue atingir baixa latência?

A: Utiliza uma arquitetura otimizada que minimiza os atrasos de processamento, resultando em um tempo de resposta médio inferior a 100 milissegundos em dispositivos de borda típicos.

P: O GPT Audio Mini é adequado para dispositivos com recursos limitados?

A: Sim, ele foi projetado para ser eficiente em termos de recursos, operando com um consumo de RAM 50 a 60% menor do que o modelo básico do GPT-Audio, tornando-o ideal para implantações de borda e dispositivos IoT.

P: O GPT Audio Mini pode ser personalizado para estilos de voz específicos?

A: Com certeza. Oferece saídas de voz personalizáveis, permitindo ajustes precisos para corresponder à identidade da marca ou às necessidades específicas de cada aplicação.

P: Quais idiomas o GPT Audio Mini suporta?

A: Atualmente, o suporte é principalmente em inglês, com planos para expandir o suporte a vários idiomas em atualizações futuras.

Playground de IA

Teste todos os modelos de API no ambiente de sandbox antes de integrá-los. Oferecemos mais de 300 modelos para integrar ao seu aplicativo.

Experimente grátis

Uma API
Mais de 300 modelos de IA

Economize 20% nos custos