Το GPT-Audio είναι το μοντέλο της OpenAI για είσοδο και έξοδο ήχου μέσω της διεπαφής Chat Completions. Δέχεται κείμενο και ήχο και παράγει κείμενο ή ήχο. Έτσι είναι κατάλληλο για οριοθετημένο αίτημα συνομιλίας: ο χρήστης δίνει προφορική ερώτηση, γραπτό πλαίσιο ή και τα δύο και το μοντέλο διαμορφώνει τη ζητούμενη απάντηση στην επιλεγμένη μορφή.
Ενδεικτική εφαρμογή είναι ένας φωνητικός βοηθός πληροφοριών. Δώσε την ηχογραφημένη ερώτηση μαζί με το υλικό αναφοράς που πρέπει να χρησιμοποιήσει η απάντηση. Όρισε τον σκοπό της συνομιλίας και τα γεγονότα που πρέπει να διατηρήσει η απόκριση. Μπορείς να ζητήσεις σύντομη εξήγηση μιας διαδικασίας, διευκρινιστική ερώτηση για πληροφορίες που λείπουν ή απόκριση που συνδέει το προφορικό αίτημα με το παρεχόμενο γραπτό πλαίσιο.
Για εκπαιδευτική συνομιλία, καθόρισε το θέμα και το επίπεδο εξήγησης. Ζήτησε προφορική απάντηση χρήσιμου μήκους ή γραπτή εξήγηση όταν ο αναγνώστης χρειάζεται να εξετάσει προσεκτικά όρους ή βήματα. Για αλληλεπίδραση υποστήριξης, δώσε τους σχετικούς κανόνες και τις πληροφορίες που έχουν ήδη τεκμηριωθεί στη συνομιλία. Η οδηγία πρέπει να προσδιορίζει το επιθυμητό επόμενο αποτέλεσμα, αντί να βασίζεται στην ηχογράφηση για κάθε απαραίτητη προϋπόθεση.
Η OpenAI αναφέρει παράθυρο συμφραζομένων 128.000 token, μέγιστη έξοδο 16.384 token και ημερομηνία αποκοπής γνώσεων την 1η Οκτωβρίου 2023 για το GPT-Audio. Ο παραγωγός τεκμηριώνει σταδιακή ροή απαντήσεων και κλήσεις συναρτήσεων. Αυτές είναι οι προδιαγραφές του μοντέλου ηχητικής συνομιλίας· η μορφή αιτήματος συνομιλίας διαφέρει από μια ειδική ροή μεταγραφής ή παραγωγής ομιλίας. Η εφαρμογή επιλέγει την είσοδο και έξοδο που χρειάζεται η εργασία της και διαχειρίζεται τα μηνύματα συνομιλίας.
Οι κλήσεις συναρτήσεων μπορούν να συνδέσουν τον διάλογο με λειτουργία εφαρμογής. Περιέγραψε τη διαθέσιμη ενέργεια και τα ορίσματά της και μετά επέστρεψε το πραγματικό αποτέλεσμα αφού την εκτελέσει η εφαρμογή. Για παράδειγμα, μια αναζήτηση σε υλικό αναφοράς μπορεί να παρέχει την πληροφορία που χρειάζεται η προφορική απόκριση. Ένα αίτημα εργαλείου είναι προτεινόμενη λειτουργία, ενώ η επιστρεφόμενη πληροφορία του εργαλείου είναι στοιχείο που το μοντέλο μπορεί να χρησιμοποιήσει σε συνέχεια.
Προετοίμασε ήχο που αποτυπώνει καθαρά τη σχετική ομιλία και δώσε το γραπτό πλαίσιο που δεν δηλώνει ο ομιλητής. Καθόρισε τον τόνο, το μήκος και τα απαιτούμενα σημεία της απάντησης. Διατήρησε τα σημαντικά προηγούμενα μηνύματα όταν συνεχίζεις τη συνομιλία και προσδιόρισε αν το τελικό παραδοτέο πρέπει να είναι σύντομη προφορική απάντηση, πληρέστερη γραπτή εξήγηση ή ερώτηση για αποσαφήνιση πληροφοριών που λείπουν. Ο έλεγχος της απόκρισης έναντι του παρεχόμενου υλικού κρατά τη συνομιλία συνδεδεμένη με την πραγματική εργασία του χρήστη.
", "aboutText": "Το GPT-Audio είναι το μοντέλο της OpenAI για είσοδο και έξοδο ήχου μέσω της διεπαφής Chat Completions. Δέχεται κείμενο και ήχο και παράγει κείμενο ή ήχο. Έτσι είναι κατάλληλο για οριοθετημένο αίτημα συνομιλίας: ο χρήστης δίνει προφορική ερώτηση, γραπτό πλαίσιο ή και τα δύο και το μοντέλο διαμορφώνει τη ζητούμενη απάντηση στην επιλεγμένη μορφή.\n\nΕνδεικτική εφαρμογή είναι ένας φωνητικός βοηθός πληροφοριών. Δώσε την ηχογραφημένη ερώτηση μαζί με το υλικό αναφοράς που πρέπει να χρησιμοποιήσει η απάντηση. Όρισε τον σκοπό της συνομιλίας και τα γεγονότα που πρέπει να διατηρήσει η απόκριση. Μπορείς να ζητήσεις σύντομη εξήγηση μιας διαδικασίας, διευκρινιστική ερώτηση για πληροφορίες που λείπουν ή απόκριση που συνδέει το προφορικό αίτημα με το παρεχόμενο γραπτό πλαίσιο.\n\nΓια εκπαιδευτική συνομιλία, καθόρισε το θέμα και το επίπεδο εξήγησης. Ζήτησε προφορική απάντηση χρήσιμου μήκους ή γραπτή εξήγηση όταν ο αναγνώστης χρειάζεται να εξετάσει προσεκτικά όρους ή βήματα. Για αλληλεπίδραση υποστήριξης, δώσε τους σχετικούς κανόνες και τις πληροφορίες που έχουν ήδη τεκμηριωθεί στη συνομιλία. Η οδηγία πρέπει να προσδιορίζει το επιθυμητό επόμενο αποτέλεσμα, αντί να βασίζεται στην ηχογράφηση για κάθε απαραίτητη προϋπόθεση.\n\nΗ OpenAI αναφέρει παράθυρο συμφραζομένων 128.000 token, μέγιστη έξοδο 16.384 token και ημερομηνία αποκοπής γνώσεων την 1η Οκτωβρίου 2023 για το GPT-Audio. Ο παραγωγός τεκμηριώνει σταδιακή ροή απαντήσεων και κλήσεις συναρτήσεων. Αυτές είναι οι προδιαγραφές του μοντέλου ηχητικής συνομιλίας· η μορφή αιτήματος συνομιλίας διαφέρει από μια ειδική ροή μεταγραφής ή παραγωγής ομιλίας. Η εφαρμογή επιλέγει την είσοδο και έξοδο που χρειάζεται η εργασία της και διαχειρίζεται τα μηνύματα συνομιλίας.\n\nΟι κλήσεις συναρτήσεων μπορούν να συνδέσουν τον διάλογο με λειτουργία εφαρμογής. Περιέγραψε τη διαθέσιμη ενέργεια και τα ορίσματά της και μετά επέστρεψε το πραγματικό αποτέλεσμα αφού την εκτελέσει η εφαρμογή. Για παράδειγμα, μια αναζήτηση σε υλικό αναφοράς μπορεί να παρέχει την πληροφορία που χρειάζεται η προφορική απόκριση. Ένα αίτημα εργαλείου είναι προτεινόμενη λειτουργία, ενώ η επιστρεφόμενη πληροφορία του εργαλείου είναι στοιχείο που το μοντέλο μπορεί να χρησιμοποιήσει σε συνέχεια.\n\nΠροετοίμασε ήχο που αποτυπώνει καθαρά τη σχετική ομιλία και δώσε το γραπτό πλαίσιο που δεν δηλώνει ο ομιλητής. Καθόρισε τον τόνο, το μήκος και τα απαιτούμενα σημεία της απάντησης. Διατήρησε τα σημαντικά προηγούμενα μηνύματα όταν συνεχίζεις τη συνομιλία και προσδιόρισε αν το τελικό παραδοτέο πρέπει να είναι σύντομη προφορική απάντηση, πληρέστερη γραπτή εξήγηση ή ερώτηση για αποσαφήνιση πληροφοριών που λείπουν. Ο έλεγχος της απόκρισης έναντι του παρεχόμενου υλικού κρατά τη συνομιλία συνδεδεμένη με την πραγματική εργασία του χρήστη.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
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-audioΜοντέλο ηχητικής συνομιλίας της OpenAI που δέχεται κείμενο και ήχο και επιστρέφει κείμενο ή προφορική έξοδο. Χρησιμοποίησε ηχογραφημένη ερώτηση μαζί με γραπτές οδηγίες και υλικό αναφοράς για να διαμορφώσεις απόκριση συνδεδεμένη με τη συνομιλία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το GPT-Audio είναι το μοντέλο της OpenAI για είσοδο και έξοδο ήχου μέσω της διεπαφής Chat Completions. Δέχεται κείμενο και ήχο και παράγει κείμενο ή ήχο. Έτσι είναι κατάλληλο για οριοθετημένο αίτημα συνομιλίας: ο χρήστης δίνει προφορική ερώτηση, γραπτό πλαίσιο ή και τα δύο και το μοντέλο διαμορφώνει τη ζητούμενη απάντηση στην επιλεγμένη μορφή.
Ενδεικτική εφαρμογή είναι ένας φωνητικός βοηθός πληροφοριών. Δώσε την ηχογραφημένη ερώτηση μαζί με το υλικό αναφοράς που πρέπει να χρησιμοποιήσει η απάντηση. Όρισε τον σκοπό της συνομιλίας και τα γεγονότα που πρέπει να διατηρήσει η απόκριση. Μπορείς να ζητήσεις σύντομη εξήγηση μιας διαδικασίας, διευκρινιστική ερώτηση για πληροφορίες που λείπουν ή απόκριση που συνδέει το προφορικό αίτημα με το παρεχόμενο γραπτό πλαίσιο.
Για εκπαιδευτική συνομιλία, καθόρισε το θέμα και το επίπεδο εξήγησης. Ζήτησε προφορική απάντηση χρήσιμου μήκους ή γραπτή εξήγηση όταν ο αναγνώστης χρειάζεται να εξετάσει προσεκτικά όρους ή βήματα. Για αλληλεπίδραση υποστήριξης, δώσε τους σχετικούς κανόνες και τις πληροφορίες που έχουν ήδη τεκμηριωθεί στη συνομιλία. Η οδηγία πρέπει να προσδιορίζει το επιθυμητό επόμενο αποτέλεσμα, αντί να βασίζεται στην ηχογράφηση για κάθε απαραίτητη προϋπόθεση.
Η OpenAI αναφέρει παράθυρο συμφραζομένων 128.000 token, μέγιστη έξοδο 16.384 token και ημερομηνία αποκοπής γνώσεων την 1η Οκτωβρίου 2023 για το GPT-Audio. Ο παραγωγός τεκμηριώνει σταδιακή ροή απαντήσεων και κλήσεις συναρτήσεων. Αυτές είναι οι προδιαγραφές του μοντέλου ηχητικής συνομιλίας· η μορφή αιτήματος συνομιλίας διαφέρει από μια ειδική ροή μεταγραφής ή παραγωγής ομιλίας. Η εφαρμογή επιλέγει την είσοδο και έξοδο που χρειάζεται η εργασία της και διαχειρίζεται τα μηνύματα συνομιλίας.
Οι κλήσεις συναρτήσεων μπορούν να συνδέσουν τον διάλογο με λειτουργία εφαρμογής. Περιέγραψε τη διαθέσιμη ενέργεια και τα ορίσματά της και μετά επέστρεψε το πραγματικό αποτέλεσμα αφού την εκτελέσει η εφαρμογή. Για παράδειγμα, μια αναζήτηση σε υλικό αναφοράς μπορεί να παρέχει την πληροφορία που χρειάζεται η προφορική απόκριση. Ένα αίτημα εργαλείου είναι προτεινόμενη λειτουργία, ενώ η επιστρεφόμενη πληροφορία του εργαλείου είναι στοιχείο που το μοντέλο μπορεί να χρησιμοποιήσει σε συνέχεια.
Προετοίμασε ήχο που αποτυπώνει καθαρά τη σχετική ομιλία και δώσε το γραπτό πλαίσιο που δεν δηλώνει ο ομιλητής. Καθόρισε τον τόνο, το μήκος και τα απαιτούμενα σημεία της απάντησης. Διατήρησε τα σημαντικά προηγούμενα μηνύματα όταν συνεχίζεις τη συνομιλία και προσδιόρισε αν το τελικό παραδοτέο πρέπει να είναι σύντομη προφορική απάντηση, πληρέστερη γραπτή εξήγηση ή ερώτηση για αποσαφήνιση πληροφοριών που λείπουν. Ο έλεγχος της απόκρισης έναντι του παρεχόμενου υλικού κρατά τη συνομιλία συνδεδεμένη με την πραγματική εργασία του χρήστη.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια openai/gpt-audio | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.005 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.005 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra openai/gpt-audio
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
openai/gpt-audioΜοντέλο ηχητικής συνομιλίας της OpenAI που δέχεται κείμενο και ήχο και επιστρέφει κείμενο ή προφορική έξοδο. Χρησιμοποίησε ηχογραφημένη ερώτηση μαζί με γραπτές οδηγίες και υλικό αναφοράς για να διαμορφώσεις απόκριση συνδεδεμένη με τη συνομιλία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το GPT-Audio είναι το μοντέλο της OpenAI για είσοδο και έξοδο ήχου μέσω της διεπαφής Chat Completions. Δέχεται κείμενο και ήχο και παράγει κείμενο ή ήχο. Έτσι είναι κατάλληλο για οριοθετημένο αίτημα συνομιλίας: ο χρήστης δίνει προφορική ερώτηση, γραπτό πλαίσιο ή και τα δύο και το μοντέλο διαμορφώνει τη ζητούμενη απάντηση στην επιλεγμένη μορφή.
Ενδεικτική εφαρμογή είναι ένας φωνητικός βοηθός πληροφοριών. Δώσε την ηχογραφημένη ερώτηση μαζί με το υλικό αναφοράς που πρέπει να χρησιμοποιήσει η απάντηση. Όρισε τον σκοπό της συνομιλίας και τα γεγονότα που πρέπει να διατηρήσει η απόκριση. Μπορείς να ζητήσεις σύντομη εξήγηση μιας διαδικασίας, διευκρινιστική ερώτηση για πληροφορίες που λείπουν ή απόκριση που συνδέει το προφορικό αίτημα με το παρεχόμενο γραπτό πλαίσιο.
Για εκπαιδευτική συνομιλία, καθόρισε το θέμα και το επίπεδο εξήγησης. Ζήτησε προφορική απάντηση χρήσιμου μήκους ή γραπτή εξήγηση όταν ο αναγνώστης χρειάζεται να εξετάσει προσεκτικά όρους ή βήματα. Για αλληλεπίδραση υποστήριξης, δώσε τους σχετικούς κανόνες και τις πληροφορίες που έχουν ήδη τεκμηριωθεί στη συνομιλία. Η οδηγία πρέπει να προσδιορίζει το επιθυμητό επόμενο αποτέλεσμα, αντί να βασίζεται στην ηχογράφηση για κάθε απαραίτητη προϋπόθεση.
Η OpenAI αναφέρει παράθυρο συμφραζομένων 128.000 token, μέγιστη έξοδο 16.384 token και ημερομηνία αποκοπής γνώσεων την 1η Οκτωβρίου 2023 για το GPT-Audio. Ο παραγωγός τεκμηριώνει σταδιακή ροή απαντήσεων και κλήσεις συναρτήσεων. Αυτές είναι οι προδιαγραφές του μοντέλου ηχητικής συνομιλίας· η μορφή αιτήματος συνομιλίας διαφέρει από μια ειδική ροή μεταγραφής ή παραγωγής ομιλίας. Η εφαρμογή επιλέγει την είσοδο και έξοδο που χρειάζεται η εργασία της και διαχειρίζεται τα μηνύματα συνομιλίας.
Οι κλήσεις συναρτήσεων μπορούν να συνδέσουν τον διάλογο με λειτουργία εφαρμογής. Περιέγραψε τη διαθέσιμη ενέργεια και τα ορίσματά της και μετά επέστρεψε το πραγματικό αποτέλεσμα αφού την εκτελέσει η εφαρμογή. Για παράδειγμα, μια αναζήτηση σε υλικό αναφοράς μπορεί να παρέχει την πληροφορία που χρειάζεται η προφορική απόκριση. Ένα αίτημα εργαλείου είναι προτεινόμενη λειτουργία, ενώ η επιστρεφόμενη πληροφορία του εργαλείου είναι στοιχείο που το μοντέλο μπορεί να χρησιμοποιήσει σε συνέχεια.
Προετοίμασε ήχο που αποτυπώνει καθαρά τη σχετική ομιλία και δώσε το γραπτό πλαίσιο που δεν δηλώνει ο ομιλητής. Καθόρισε τον τόνο, το μήκος και τα απαιτούμενα σημεία της απάντησης. Διατήρησε τα σημαντικά προηγούμενα μηνύματα όταν συνεχίζεις τη συνομιλία και προσδιόρισε αν το τελικό παραδοτέο πρέπει να είναι σύντομη προφορική απάντηση, πληρέστερη γραπτή εξήγηση ή ερώτηση για αποσαφήνιση πληροφοριών που λείπουν. Ο έλεγχος της απόκρισης έναντι του παρεχόμενου υλικού κρατά τη συνομιλία συνδεδεμένη με την πραγματική εργασία του χρήστη.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια openai/gpt-audio | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Token συμφραζομένων, πάνω από | Token συμφραζομένων, έως και | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Token συμφραζομένων, πάνω από— | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.005 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΕπίπεδο 1 βάσει μήκους αιτήματος | Πίνακας χρεώσεων— | Token συμφραζομένων, πάνω από0 | Token συμφραζομένων, έως καιΧωρίς ανώτατο όριο | Χρέωση Είσοδος · Token εισόδου $0.005 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "openai/gpt-audio",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra openai/gpt-audio
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
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.