GPT-Audio ist OpenAIs Modell für Audioeingabe und Audioausgabe über die Schnittstelle Chat Completions. Es nimmt Text und Audio entgegen und erzeugt Text oder Audio. Damit eignet es sich für eine abgegrenzte Dialoganfrage: Ein Nutzer liefert eine gesprochene Frage, schriftlichen Kontext oder beides, und das Modell erarbeitet die gewünschte Antwort in der gewählten Form.
Ein beispielhafter Einsatz ist ein sprachgestützter Informationsassistent. Stellen Sie die aufgezeichnete Frage zusammen mit dem Referenzmaterial bereit, das die Antwort verwenden soll. Definieren Sie den Gesprächszweck und die Fakten, die die Antwort bewahren muss. Sie können eine kurze Erklärung eines Ablaufs, eine Rückfrage zu fehlenden Informationen oder eine Antwort anfordern, die den gesprochenen Auftrag mit dem bereitgestellten schriftlichen Kontext verbindet.
Geben Sie bei einem Lerngespräch Thema und Erklärungstiefe an. Bitten Sie um eine gesprochene Antwort angemessener Länge oder um eine schriftliche Erklärung, wenn der Leser Begriffe oder Schritte genau prüfen muss. Stellen Sie bei einem Supportgespräch die relevanten Regeln und die im Gespräch bereits festgestellten Informationen bereit. Die Anweisung sollte das gewünschte nächste Ergebnis benennen, statt sich darauf zu verlassen, dass die Aufnahme jede notwendige Bedingung enthält.
OpenAI nennt für GPT-Audio ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Der Hersteller dokumentiert Streaming und Funktionsaufrufe. Dies sind die Spezifikationen des Audio-Chat-Modells. Das Format einer Dialoganfrage unterscheidet sich von einem speziellen Ablauf zur Transkription oder Sprachsynthese. Die Anwendung wählt die für ihre Aufgabe benötigten Ein- und Ausgaben und verwaltet die Gesprächsnachrichten.
Funktionsaufrufe können den Dialog mit einer Operation der Anwendung verbinden. Beschreiben Sie die verfügbare Aktion und ihre Argumente und liefern Sie dann das tatsächliche Ergebnis zurück, nachdem die Anwendung sie ausgeführt hat. Beispielsweise kann eine Referenzrecherche die für die gesprochene Antwort benötigte Information liefern. Eine Werkzeuganforderung ist eine vorgeschlagene Operation, während die vom Werkzeug zurückgegebene Information einen Beleg bildet, den das Modell in einer Folgeanfrage nutzen kann.
Bereiten Sie Audio vor, das die relevante Sprache klar erfasst, und ergänzen Sie den schriftlichen Kontext, den der Sprecher nicht nennt. Legen Sie Ton, Länge und erforderliche Punkte der Antwort fest. Bewahren Sie bei der Fortsetzung des Gesprächs die wichtigen früheren Nachrichten und geben Sie an, ob das fertige Ergebnis eine knappe gesprochene Antwort, eine ausführlichere schriftliche Erklärung oder eine Frage zur Klärung fehlender Informationen sein soll. Die Prüfung anhand des bereitgestellten Materials hält das Gespräch mit der tatsächlichen Aufgabe des Nutzers verbunden.
", "aboutText": "GPT-Audio ist OpenAIs Modell für Audioeingabe und Audioausgabe über die Schnittstelle Chat Completions. Es nimmt Text und Audio entgegen und erzeugt Text oder Audio. Damit eignet es sich für eine abgegrenzte Dialoganfrage: Ein Nutzer liefert eine gesprochene Frage, schriftlichen Kontext oder beides, und das Modell erarbeitet die gewünschte Antwort in der gewählten Form.\n\nEin beispielhafter Einsatz ist ein sprachgestützter Informationsassistent. Stellen Sie die aufgezeichnete Frage zusammen mit dem Referenzmaterial bereit, das die Antwort verwenden soll. Definieren Sie den Gesprächszweck und die Fakten, die die Antwort bewahren muss. Sie können eine kurze Erklärung eines Ablaufs, eine Rückfrage zu fehlenden Informationen oder eine Antwort anfordern, die den gesprochenen Auftrag mit dem bereitgestellten schriftlichen Kontext verbindet.\n\nGeben Sie bei einem Lerngespräch Thema und Erklärungstiefe an. Bitten Sie um eine gesprochene Antwort angemessener Länge oder um eine schriftliche Erklärung, wenn der Leser Begriffe oder Schritte genau prüfen muss. Stellen Sie bei einem Supportgespräch die relevanten Regeln und die im Gespräch bereits festgestellten Informationen bereit. Die Anweisung sollte das gewünschte nächste Ergebnis benennen, statt sich darauf zu verlassen, dass die Aufnahme jede notwendige Bedingung enthält.\n\nOpenAI nennt für GPT-Audio ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Der Hersteller dokumentiert Streaming und Funktionsaufrufe. Dies sind die Spezifikationen des Audio-Chat-Modells. Das Format einer Dialoganfrage unterscheidet sich von einem speziellen Ablauf zur Transkription oder Sprachsynthese. Die Anwendung wählt die für ihre Aufgabe benötigten Ein- und Ausgaben und verwaltet die Gesprächsnachrichten.\n\nFunktionsaufrufe können den Dialog mit einer Operation der Anwendung verbinden. Beschreiben Sie die verfügbare Aktion und ihre Argumente und liefern Sie dann das tatsächliche Ergebnis zurück, nachdem die Anwendung sie ausgeführt hat. Beispielsweise kann eine Referenzrecherche die für die gesprochene Antwort benötigte Information liefern. Eine Werkzeuganforderung ist eine vorgeschlagene Operation, während die vom Werkzeug zurückgegebene Information einen Beleg bildet, den das Modell in einer Folgeanfrage nutzen kann.\n\nBereiten Sie Audio vor, das die relevante Sprache klar erfasst, und ergänzen Sie den schriftlichen Kontext, den der Sprecher nicht nennt. Legen Sie Ton, Länge und erforderliche Punkte der Antwort fest. Bewahren Sie bei der Fortsetzung des Gesprächs die wichtigen früheren Nachrichten und geben Sie an, ob das fertige Ergebnis eine knappe gesprochene Antwort, eine ausführlichere schriftliche Erklärung oder eine Frage zur Klärung fehlender Informationen sein soll. Die Prüfung anhand des bereitgestellten Materials hält das Gespräch mit der tatsächlichen Aufgabe des Nutzers verbunden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Write a conversational clarification\n\nWrite a brief conversational reply for a delivery assistant. Customer: “Can you bring it tomorrow morning?” Reference: tomorrow offers 09:00–12:00 and 12:00–15:00 windows, but no delivery address is on record. Ask for the missing information, mention the morning window and avoid confirming a booking. Return the reply as written text.A short written dialogue turn that names the morning window and requests the delivery address.Check that the reply does not claim a slot is booked or invent an address.openai/gpt-audioEin Audio-Chat-Modell von OpenAI, das Text und Audio entgegennimmt und Text oder Sprache ausgibt. Nutzen Sie eine aufgezeichnete Frage zusammen mit schriftlichen Anweisungen und Referenzmaterial, um eine mit dem Gespräch verbundene Antwort zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-Audio ist OpenAIs Modell für Audioeingabe und Audioausgabe über die Schnittstelle Chat Completions. Es nimmt Text und Audio entgegen und erzeugt Text oder Audio. Damit eignet es sich für eine abgegrenzte Dialoganfrage: Ein Nutzer liefert eine gesprochene Frage, schriftlichen Kontext oder beides, und das Modell erarbeitet die gewünschte Antwort in der gewählten Form.
Ein beispielhafter Einsatz ist ein sprachgestützter Informationsassistent. Stellen Sie die aufgezeichnete Frage zusammen mit dem Referenzmaterial bereit, das die Antwort verwenden soll. Definieren Sie den Gesprächszweck und die Fakten, die die Antwort bewahren muss. Sie können eine kurze Erklärung eines Ablaufs, eine Rückfrage zu fehlenden Informationen oder eine Antwort anfordern, die den gesprochenen Auftrag mit dem bereitgestellten schriftlichen Kontext verbindet.
Geben Sie bei einem Lerngespräch Thema und Erklärungstiefe an. Bitten Sie um eine gesprochene Antwort angemessener Länge oder um eine schriftliche Erklärung, wenn der Leser Begriffe oder Schritte genau prüfen muss. Stellen Sie bei einem Supportgespräch die relevanten Regeln und die im Gespräch bereits festgestellten Informationen bereit. Die Anweisung sollte das gewünschte nächste Ergebnis benennen, statt sich darauf zu verlassen, dass die Aufnahme jede notwendige Bedingung enthält.
OpenAI nennt für GPT-Audio ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Der Hersteller dokumentiert Streaming und Funktionsaufrufe. Dies sind die Spezifikationen des Audio-Chat-Modells. Das Format einer Dialoganfrage unterscheidet sich von einem speziellen Ablauf zur Transkription oder Sprachsynthese. Die Anwendung wählt die für ihre Aufgabe benötigten Ein- und Ausgaben und verwaltet die Gesprächsnachrichten.
Funktionsaufrufe können den Dialog mit einer Operation der Anwendung verbinden. Beschreiben Sie die verfügbare Aktion und ihre Argumente und liefern Sie dann das tatsächliche Ergebnis zurück, nachdem die Anwendung sie ausgeführt hat. Beispielsweise kann eine Referenzrecherche die für die gesprochene Antwort benötigte Information liefern. Eine Werkzeuganforderung ist eine vorgeschlagene Operation, während die vom Werkzeug zurückgegebene Information einen Beleg bildet, den das Modell in einer Folgeanfrage nutzen kann.
Bereiten Sie Audio vor, das die relevante Sprache klar erfasst, und ergänzen Sie den schriftlichen Kontext, den der Sprecher nicht nennt. Legen Sie Ton, Länge und erforderliche Punkte der Antwort fest. Bewahren Sie bei der Fortsetzung des Gesprächs die wichtigen früheren Nachrichten und geben Sie an, ob das fertige Ergebnis eine knappe gesprochene Antwort, eine ausführlichere schriftliche Erklärung oder eine Frage zur Klärung fehlender Informationen sein soll. Die Prüfung anhand des bereitgestellten Materials hält das Gespräch mit der tatsächlichen Aufgabe des Nutzers verbunden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-audio | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-audio", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-audio',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-audio',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-audio
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-audioEin Audio-Chat-Modell von OpenAI, das Text und Audio entgegennimmt und Text oder Sprache ausgibt. Nutzen Sie eine aufgezeichnete Frage zusammen mit schriftlichen Anweisungen und Referenzmaterial, um eine mit dem Gespräch verbundene Antwort zu erarbeiten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-Audio ist OpenAIs Modell für Audioeingabe und Audioausgabe über die Schnittstelle Chat Completions. Es nimmt Text und Audio entgegen und erzeugt Text oder Audio. Damit eignet es sich für eine abgegrenzte Dialoganfrage: Ein Nutzer liefert eine gesprochene Frage, schriftlichen Kontext oder beides, und das Modell erarbeitet die gewünschte Antwort in der gewählten Form.
Ein beispielhafter Einsatz ist ein sprachgestützter Informationsassistent. Stellen Sie die aufgezeichnete Frage zusammen mit dem Referenzmaterial bereit, das die Antwort verwenden soll. Definieren Sie den Gesprächszweck und die Fakten, die die Antwort bewahren muss. Sie können eine kurze Erklärung eines Ablaufs, eine Rückfrage zu fehlenden Informationen oder eine Antwort anfordern, die den gesprochenen Auftrag mit dem bereitgestellten schriftlichen Kontext verbindet.
Geben Sie bei einem Lerngespräch Thema und Erklärungstiefe an. Bitten Sie um eine gesprochene Antwort angemessener Länge oder um eine schriftliche Erklärung, wenn der Leser Begriffe oder Schritte genau prüfen muss. Stellen Sie bei einem Supportgespräch die relevanten Regeln und die im Gespräch bereits festgestellten Informationen bereit. Die Anweisung sollte das gewünschte nächste Ergebnis benennen, statt sich darauf zu verlassen, dass die Aufnahme jede notwendige Bedingung enthält.
OpenAI nennt für GPT-Audio ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und einen Wissensstand bis zum 1. Oktober 2023. Der Hersteller dokumentiert Streaming und Funktionsaufrufe. Dies sind die Spezifikationen des Audio-Chat-Modells. Das Format einer Dialoganfrage unterscheidet sich von einem speziellen Ablauf zur Transkription oder Sprachsynthese. Die Anwendung wählt die für ihre Aufgabe benötigten Ein- und Ausgaben und verwaltet die Gesprächsnachrichten.
Funktionsaufrufe können den Dialog mit einer Operation der Anwendung verbinden. Beschreiben Sie die verfügbare Aktion und ihre Argumente und liefern Sie dann das tatsächliche Ergebnis zurück, nachdem die Anwendung sie ausgeführt hat. Beispielsweise kann eine Referenzrecherche die für die gesprochene Antwort benötigte Information liefern. Eine Werkzeuganforderung ist eine vorgeschlagene Operation, während die vom Werkzeug zurückgegebene Information einen Beleg bildet, den das Modell in einer Folgeanfrage nutzen kann.
Bereiten Sie Audio vor, das die relevante Sprache klar erfasst, und ergänzen Sie den schriftlichen Kontext, den der Sprecher nicht nennt. Legen Sie Ton, Länge und erforderliche Punkte der Antwort fest. Bewahren Sie bei der Fortsetzung des Gesprächs die wichtigen früheren Nachrichten und geben Sie an, ob das fertige Ergebnis eine knappe gesprochene Antwort, eine ausführlichere schriftliche Erklärung oder eine Frage zur Klärung fehlender Informationen sein soll. Die Prüfung anhand des bereitgestellten Materials hält das Gespräch mit der tatsächlichen Aufgabe des Nutzers verbunden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-audio | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.02 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-audio",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-audio', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-audio', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra openai/gpt-audio
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Write a conversational clarification\n\nWrite a brief conversational reply for a delivery assistant. Customer: “Can you bring it tomorrow morning?” Reference: tomorrow offers 09:00–12:00 and 12:00–15:00 windows, but no delivery address is on record. Ask for the missing information, mention the morning window and avoid confirming a booking. Return the reply as written text.A short written dialogue turn that names the morning window and requests the delivery address.Check that the reply does not claim a slot is booked or invent an address.