رفتن به محتوا
سارویتوسعه‌دهندگان
مدل‌ها ←

OpenAI

GPT Audio Mini

پاسخ صوتی · متن یا فایل صوتی · اقتصادی

امتحان در آزمایشگاه
کاربردپاسخ صوتی
دسترسیهمهٔ طرح‌ها با اعتبار کافی
پنجرهٔ زمینهٔ ارائه‌دهنده۱۲۸٬۰۰۰ توکن
هزینه در سارویاز اعتبار مشترک حساب

این مدل را برای چه کاری انتخاب کنم؟

پاسخ صوتی · متن یا فایل صوتی · اقتصادی. پیش از استفادهٔ گسترده، چند نمونه از ورودی واقعی محصول خودت را در آزمایشگاه مقایسه کن.

پاسخ گفتاری به کاربردرک فایل صوتی و پاسخدستیار صوتی محصول

تنظیمات همین مدل

مسیرPOST /v1/studio/audio
قالب خروجیwav
راهنمای لحنinstructions؛ جدا از متن خوانده‌شده
گوینده‌ها در هر درخواستیک گوینده
ورودی صوتیmp3 · wav؛ حداکثر ۱۴ مگابایت، Base64 بدون پیشوند data URL
سرعت عددیspeed: 1؛ برای Gemini آهنگ و سرعت خواندن را در instructions توضیح دهید.
همهٔ ۶ صدای قابل انتخاب
Alloy alloyEcho echoFable fableOnyx onyxNova novaShimmer shimmer

این مدل پاسخ گفتاری می‌سازد. text دستور پاسخ است و audioInput اختیاری شامل audioBase64 و mediaType برابر audio/wav یا audio/mpeg است.

درخواست آماده

شناسهٔ دقیق مدل را کپی کن و کلید ساروی را در متغیر محیطی سرورت قرار بده.

Model ID
openai/gpt-audio-mini
Python
import json, os, urllib.request, urllib.error

payload = {
    "model": "openai/gpt-audio-mini",
    "text": "به فارسی یک خوش‌آمدگویی کوتاه بگو.",
    "voice": "alloy",
    "format": "wav",
    "instructions": "Warm and friendly Persian"
}

request = urllib.request.Request(
    "https://api.sarovi.ir/v1/studio/audio",
    data=json.dumps(payload, ensure_ascii=False).encode("utf-8"),
    headers={
        "Authorization": "Bearer " + os.environ["SAROVI_API_KEY"],
        "Content-Type": "application/json"
    },
    method="POST"
)
try:
    with urllib.request.urlopen(request, timeout=300) as response:
        result = json.load(response)
        print(result)
except urllib.error.HTTPError as error:
    detail = json.load(error)
    raise RuntimeError(f"{error.code}: {detail['error'].get('code', detail['error'].get('type', 'HTTP_ERROR'))}") from error

کلید را در متغیر محیطی SAROVI_API_KEY قرار بده. بدون نصب کتابخانه؛ با Python استاندارد.

امکان‌ها در API ساروی

مسیر اصلیPOST /v1/studio/audio
خروجیصدای Base64 همراه نوع فایل
جریان پاسخخروجی JSON؛ ویدیو با پیگیری وضعیت
دستورالعمل نقشدر متن prompt یا text
صورتحسابرزرو اعتبار، سپس تسویهٔ مصرف در دفتر حساب ساروی

فراخوانی ابزار و JSON Schema برای مدل‌های پشتیبان از مسیر chat/completions و قرارداد پیشرفتهٔ responses در دسترس‌اند. قابلیت‌های ارائه‌دهنده و محدودیت‌های هر مسیر را پیش از اجرا بررسی کنید.