GPT-Audio Mini es la edición Mini de la familia GPT-Audio de OpenAI para solicitudes conversacionales con texto y sonido. Acepta texto y audio y produce texto o audio mediante Chat Completions. El modelo mantiene su función de chat con audio y su propia identidad de edición, distinta de GPT-Audio y de los modelos para sesiones continuas en vivo.
Una aplicación útil es una pregunta oral de consulta que requiere una respuesta acotada. Proporciona la grabación y la información en la que debe basarse la respuesta, y define después el objetivo del intercambio. Una solicitud ilustrativa consiste en explicar una parte de un procedimiento o pedir un dato que no puede establecerse a partir de la grabación. Puedes elegir un resultado escrito cuando la respuesta deba examinarse detenidamente, o una respuesta hablada cuando el usuario vaya a escucharla.
Para un ejercicio de diálogo, especifica el papel, el tema y la longitud esperada de un turno. Incluye los mensajes anteriores importantes para que la siguiente respuesta siga vinculada a lo ya tratado. Para una conversación de asistencia, proporciona las reglas aplicables y los hechos establecidos antes de la grabación. Distingue la información aportada por el usuario del material de referencia añadido por la aplicación e indica qué debe conseguir la respuesta final.
La especificación de GPT-Audio Mini del proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Documenta llamadas a funciones y almacenamiento de la entrada en caché. El método del modelo es Chat Completions con capacidad de audio para solicitudes acotadas; las características de una sesión Realtime independiente o de una sesión de voz continua no definen el flujo de solicitudes de esta edición.
Las llamadas a funciones permiten al modelo solicitar una operación de las herramientas descritas por la aplicación. La aplicación realiza la acción y devuelve su resultado real para una consulta posterior. Por ejemplo, una búsqueda puede proporcionar un dato de referencia necesario para la respuesta. Mantén esa información devuelta diferenciada de la operación propuesta para que la siguiente respuesta se base en un resultado realmente disponible en la conversación.
Prepara una grabación que recoja con claridad el habla pertinente y utiliza una instrucción escrita para aportar el contexto de la tarea, los hechos requeridos, el tono y la longitud de la respuesta. Indica si el entregable útil es una explicación hablada breve, una respuesta escrita o una pregunta que resuelva una incertidumbre. En un flujo de trabajo repetido, mantén las reglas constantes y cambia el material específico de la solicitud. Contrasta el resultado con esas reglas y el texto de referencia antes de incorporar sus hechos importantes al siguiente turno.
", "aboutText": "GPT-Audio Mini es la edición Mini de la familia GPT-Audio de OpenAI para solicitudes conversacionales con texto y sonido. Acepta texto y audio y produce texto o audio mediante Chat Completions. El modelo mantiene su función de chat con audio y su propia identidad de edición, distinta de GPT-Audio y de los modelos para sesiones continuas en vivo.\n\nUna aplicación útil es una pregunta oral de consulta que requiere una respuesta acotada. Proporciona la grabación y la información en la que debe basarse la respuesta, y define después el objetivo del intercambio. Una solicitud ilustrativa consiste en explicar una parte de un procedimiento o pedir un dato que no puede establecerse a partir de la grabación. Puedes elegir un resultado escrito cuando la respuesta deba examinarse detenidamente, o una respuesta hablada cuando el usuario vaya a escucharla.\n\nPara un ejercicio de diálogo, especifica el papel, el tema y la longitud esperada de un turno. Incluye los mensajes anteriores importantes para que la siguiente respuesta siga vinculada a lo ya tratado. Para una conversación de asistencia, proporciona las reglas aplicables y los hechos establecidos antes de la grabación. Distingue la información aportada por el usuario del material de referencia añadido por la aplicación e indica qué debe conseguir la respuesta final.\n\nLa especificación de GPT-Audio Mini del proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Documenta llamadas a funciones y almacenamiento de la entrada en caché. El método del modelo es Chat Completions con capacidad de audio para solicitudes acotadas; las características de una sesión Realtime independiente o de una sesión de voz continua no definen el flujo de solicitudes de esta edición.\n\nLas llamadas a funciones permiten al modelo solicitar una operación de las herramientas descritas por la aplicación. La aplicación realiza la acción y devuelve su resultado real para una consulta posterior. Por ejemplo, una búsqueda puede proporcionar un dato de referencia necesario para la respuesta. Mantén esa información devuelta diferenciada de la operación propuesta para que la siguiente respuesta se base en un resultado realmente disponible en la conversación.\n\nPrepara una grabación que recoja con claridad el habla pertinente y utiliza una instrucción escrita para aportar el contexto de la tarea, los hechos requeridos, el tono y la longitud de la respuesta. Indica si el entregable útil es una explicación hablada breve, una respuesta escrita o una pregunta que resuelva una incertidumbre. En un flujo de trabajo repetido, mantén las reglas constantes y cambia el material específico de la solicitud. Contrasta el resultado con esas reglas y el texto de referencia antes de incorporar sus hechos importantes al siguiente turno.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Practise a short reception dialogue\n\nPlay the receptionist in an English practice dialogue. Guest: 'I have a reservation, but I will arrive after midnight.' Hotel rule: late arrivals need the guest's surname and arrival estimate; never request payment-card details in chat. Write the receptionist's next two short lines in friendly, simple English and leave the guest's answer open.Two short receptionist lines asking for surname and estimated arrival, with no invented guest reply.The dialogue follows the hotel rule, omits card requests and does not assert that check-in has been arranged.openai/gpt-audio-miniLa edición Mini de la familia GPT-Audio de OpenAI acepta texto y audio y devuelve texto o respuestas habladas. Utiliza preguntas grabadas, reglas escritas y contexto pertinente para elaborar una respuesta o continuar la conversación de forma concreta.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-Audio Mini es la edición Mini de la familia GPT-Audio de OpenAI para solicitudes conversacionales con texto y sonido. Acepta texto y audio y produce texto o audio mediante Chat Completions. El modelo mantiene su función de chat con audio y su propia identidad de edición, distinta de GPT-Audio y de los modelos para sesiones continuas en vivo.
Una aplicación útil es una pregunta oral de consulta que requiere una respuesta acotada. Proporciona la grabación y la información en la que debe basarse la respuesta, y define después el objetivo del intercambio. Una solicitud ilustrativa consiste en explicar una parte de un procedimiento o pedir un dato que no puede establecerse a partir de la grabación. Puedes elegir un resultado escrito cuando la respuesta deba examinarse detenidamente, o una respuesta hablada cuando el usuario vaya a escucharla.
Para un ejercicio de diálogo, especifica el papel, el tema y la longitud esperada de un turno. Incluye los mensajes anteriores importantes para que la siguiente respuesta siga vinculada a lo ya tratado. Para una conversación de asistencia, proporciona las reglas aplicables y los hechos establecidos antes de la grabación. Distingue la información aportada por el usuario del material de referencia añadido por la aplicación e indica qué debe conseguir la respuesta final.
La especificación de GPT-Audio Mini del proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Documenta llamadas a funciones y almacenamiento de la entrada en caché. El método del modelo es Chat Completions con capacidad de audio para solicitudes acotadas; las características de una sesión Realtime independiente o de una sesión de voz continua no definen el flujo de solicitudes de esta edición.
Las llamadas a funciones permiten al modelo solicitar una operación de las herramientas descritas por la aplicación. La aplicación realiza la acción y devuelve su resultado real para una consulta posterior. Por ejemplo, una búsqueda puede proporcionar un dato de referencia necesario para la respuesta. Mantén esa información devuelta diferenciada de la operación propuesta para que la siguiente respuesta se base en un resultado realmente disponible en la conversación.
Prepara una grabación que recoja con claridad el habla pertinente y utiliza una instrucción escrita para aportar el contexto de la tarea, los hechos requeridos, el tono y la longitud de la respuesta. Indica si el entregable útil es una explicación hablada breve, una respuesta escrita o una pregunta que resuelva una incertidumbre. En un flujo de trabajo repetido, mantén las reglas constantes y cambia el material específico de la solicitud. Contrasta el resultado con esas reglas y el texto de referencia antes de incorporar sus hechos importantes al siguiente turno.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-audio-mini | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0012 / 1K tokens Salida · Tokens de salida $0.0048 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0012 / 1K tokens Salida · Tokens de salida $0.0048 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-mini", "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-mini',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-mini',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/gpt-audio-mini
Usa las rutas de método indicadas arriba.
openai/gpt-audio-miniLa edición Mini de la familia GPT-Audio de OpenAI acepta texto y audio y devuelve texto o respuestas habladas. Utiliza preguntas grabadas, reglas escritas y contexto pertinente para elaborar una respuesta o continuar la conversación de forma concreta.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-Audio Mini es la edición Mini de la familia GPT-Audio de OpenAI para solicitudes conversacionales con texto y sonido. Acepta texto y audio y produce texto o audio mediante Chat Completions. El modelo mantiene su función de chat con audio y su propia identidad de edición, distinta de GPT-Audio y de los modelos para sesiones continuas en vivo.
Una aplicación útil es una pregunta oral de consulta que requiere una respuesta acotada. Proporciona la grabación y la información en la que debe basarse la respuesta, y define después el objetivo del intercambio. Una solicitud ilustrativa consiste en explicar una parte de un procedimiento o pedir un dato que no puede establecerse a partir de la grabación. Puedes elegir un resultado escrito cuando la respuesta deba examinarse detenidamente, o una respuesta hablada cuando el usuario vaya a escucharla.
Para un ejercicio de diálogo, especifica el papel, el tema y la longitud esperada de un turno. Incluye los mensajes anteriores importantes para que la siguiente respuesta siga vinculada a lo ya tratado. Para una conversación de asistencia, proporciona las reglas aplicables y los hechos establecidos antes de la grabación. Distingue la información aportada por el usuario del material de referencia añadido por la aplicación e indica qué debe conseguir la respuesta final.
La especificación de GPT-Audio Mini del proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. Documenta llamadas a funciones y almacenamiento de la entrada en caché. El método del modelo es Chat Completions con capacidad de audio para solicitudes acotadas; las características de una sesión Realtime independiente o de una sesión de voz continua no definen el flujo de solicitudes de esta edición.
Las llamadas a funciones permiten al modelo solicitar una operación de las herramientas descritas por la aplicación. La aplicación realiza la acción y devuelve su resultado real para una consulta posterior. Por ejemplo, una búsqueda puede proporcionar un dato de referencia necesario para la respuesta. Mantén esa información devuelta diferenciada de la operación propuesta para que la siguiente respuesta se base en un resultado realmente disponible en la conversación.
Prepara una grabación que recoja con claridad el habla pertinente y utiliza una instrucción escrita para aportar el contexto de la tarea, los hechos requeridos, el tono y la longitud de la respuesta. Indica si el entregable útil es una explicación hablada breve, una respuesta escrita o una pregunta que resuelva una incertidumbre. En un flujo de trabajo repetido, mantén las reglas constantes y cambia el material específico de la solicitud. Contrasta el resultado con esas reglas y el texto de referencia antes de incorporar sus hechos importantes al siguiente turno.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-audio-mini | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0012 / 1K tokens Salida · Tokens de salida $0.0048 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0012 / 1K tokens Salida · Tokens de salida $0.0048 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-audio-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini', '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-mini', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/gpt-audio-mini
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Practise a short reception dialogue\n\nPlay the receptionist in an English practice dialogue. Guest: 'I have a reservation, but I will arrive after midnight.' Hotel rule: late arrivals need the guest's surname and arrival estimate; never request payment-card details in chat. Write the receptionist's next two short lines in friendly, simple English and leave the guest's answer open.Two short receptionist lines asking for surname and estimated arrival, with no invented guest reply.The dialogue follows the hotel rule, omits card requests and does not assert that check-in has been arranged.