GPT-Audio es el modelo de OpenAI para entrada y salida de audio mediante la interfaz Chat Completions. Acepta texto y audio y produce texto o audio. Por ello, resulta adecuado para una solicitud conversacional acotada: el usuario proporciona una pregunta hablada, contexto escrito o ambos, y el modelo elabora la respuesta solicitada en el formato elegido.
Una aplicación ilustrativa es un asistente de información por voz. Proporciona la pregunta grabada junto con el material de referencia que debe utilizar la respuesta. Define el propósito de la conversación y los hechos que la respuesta debe conservar. Puedes pedir una explicación breve de un procedimiento, una pregunta aclaratoria sobre información que falte o una respuesta que relacione la solicitud hablada con el contexto escrito proporcionado.
Para una conversación educativa, especifica el tema y el nivel de explicación. Pide una respuesta hablada de una longitud útil, o una explicación escrita cuando el lector necesite examinar detenidamente términos o pasos. Para una interacción de asistencia, proporciona las reglas pertinentes y la información ya establecida en la conversación. La instrucción debe identificar el siguiente resultado deseado, en lugar de confiar en que la grabación contenga todas las condiciones necesarias.
OpenAI 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 para GPT-Audio. El proveedor documenta respuestas en flujo y llamadas a funciones. Son las especificaciones del modelo de chat con audio; el formato de solicitud conversacional es distinto de un flujo específico de transcripción o generación de voz. La aplicación elige la entrada y la salida necesarias para su tarea y gestiona los mensajes de la conversación.
Las llamadas a funciones pueden conectar el diálogo con una operación de la aplicación. Describe la acción disponible y sus argumentos, y devuelve después el resultado real una vez que la aplicación la haya ejecutado. Por ejemplo, una búsqueda en una fuente de referencia puede proporcionar la información necesaria para la respuesta hablada. Una solicitud de herramienta es una operación propuesta, mientras que la información devuelta por la herramienta constituye pruebas que el modelo puede utilizar en una consulta posterior.
Prepara audio que recoja con claridad el habla pertinente y proporciona el contexto escrito que no expresa el hablante. Especifica el tono, la longitud y los puntos requeridos en la respuesta. Conserva los mensajes anteriores importantes al continuar la conversación e indica si el entregable final debe ser una respuesta hablada breve, una explicación escrita más completa o una pregunta para resolver información que falte. Contrastar la respuesta con el material proporcionado mantiene la conversación vinculada a la tarea real del usuario.
", "aboutText": "GPT-Audio es el modelo de OpenAI para entrada y salida de audio mediante la interfaz Chat Completions. Acepta texto y audio y produce texto o audio. Por ello, resulta adecuado para una solicitud conversacional acotada: el usuario proporciona una pregunta hablada, contexto escrito o ambos, y el modelo elabora la respuesta solicitada en el formato elegido.\n\nUna aplicación ilustrativa es un asistente de información por voz. Proporciona la pregunta grabada junto con el material de referencia que debe utilizar la respuesta. Define el propósito de la conversación y los hechos que la respuesta debe conservar. Puedes pedir una explicación breve de un procedimiento, una pregunta aclaratoria sobre información que falte o una respuesta que relacione la solicitud hablada con el contexto escrito proporcionado.\n\nPara una conversación educativa, especifica el tema y el nivel de explicación. Pide una respuesta hablada de una longitud útil, o una explicación escrita cuando el lector necesite examinar detenidamente términos o pasos. Para una interacción de asistencia, proporciona las reglas pertinentes y la información ya establecida en la conversación. La instrucción debe identificar el siguiente resultado deseado, en lugar de confiar en que la grabación contenga todas las condiciones necesarias.\n\nOpenAI 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 para GPT-Audio. El proveedor documenta respuestas en flujo y llamadas a funciones. Son las especificaciones del modelo de chat con audio; el formato de solicitud conversacional es distinto de un flujo específico de transcripción o generación de voz. La aplicación elige la entrada y la salida necesarias para su tarea y gestiona los mensajes de la conversación.\n\nLas llamadas a funciones pueden conectar el diálogo con una operación de la aplicación. Describe la acción disponible y sus argumentos, y devuelve después el resultado real una vez que la aplicación la haya ejecutado. Por ejemplo, una búsqueda en una fuente de referencia puede proporcionar la información necesaria para la respuesta hablada. Una solicitud de herramienta es una operación propuesta, mientras que la información devuelta por la herramienta constituye pruebas que el modelo puede utilizar en una consulta posterior.\n\nPrepara audio que recoja con claridad el habla pertinente y proporciona el contexto escrito que no expresa el hablante. Especifica el tono, la longitud y los puntos requeridos en la respuesta. Conserva los mensajes anteriores importantes al continuar la conversación e indica si el entregable final debe ser una respuesta hablada breve, una explicación escrita más completa o una pregunta para resolver información que falte. Contrastar la respuesta con el material proporcionado mantiene la conversación vinculada a la tarea real del usuario.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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-audioUn modelo de OpenAI para chat con audio que acepta texto y audio y devuelve texto o respuestas habladas. Utiliza una pregunta grabada junto con instrucciones escritas y material de referencia para elaborar una respuesta vinculada a la conversación.
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 es el modelo de OpenAI para entrada y salida de audio mediante la interfaz Chat Completions. Acepta texto y audio y produce texto o audio. Por ello, resulta adecuado para una solicitud conversacional acotada: el usuario proporciona una pregunta hablada, contexto escrito o ambos, y el modelo elabora la respuesta solicitada en el formato elegido.
Una aplicación ilustrativa es un asistente de información por voz. Proporciona la pregunta grabada junto con el material de referencia que debe utilizar la respuesta. Define el propósito de la conversación y los hechos que la respuesta debe conservar. Puedes pedir una explicación breve de un procedimiento, una pregunta aclaratoria sobre información que falte o una respuesta que relacione la solicitud hablada con el contexto escrito proporcionado.
Para una conversación educativa, especifica el tema y el nivel de explicación. Pide una respuesta hablada de una longitud útil, o una explicación escrita cuando el lector necesite examinar detenidamente términos o pasos. Para una interacción de asistencia, proporciona las reglas pertinentes y la información ya establecida en la conversación. La instrucción debe identificar el siguiente resultado deseado, en lugar de confiar en que la grabación contenga todas las condiciones necesarias.
OpenAI 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 para GPT-Audio. El proveedor documenta respuestas en flujo y llamadas a funciones. Son las especificaciones del modelo de chat con audio; el formato de solicitud conversacional es distinto de un flujo específico de transcripción o generación de voz. La aplicación elige la entrada y la salida necesarias para su tarea y gestiona los mensajes de la conversación.
Las llamadas a funciones pueden conectar el diálogo con una operación de la aplicación. Describe la acción disponible y sus argumentos, y devuelve después el resultado real una vez que la aplicación la haya ejecutado. Por ejemplo, una búsqueda en una fuente de referencia puede proporcionar la información necesaria para la respuesta hablada. Una solicitud de herramienta es una operación propuesta, mientras que la información devuelta por la herramienta constituye pruebas que el modelo puede utilizar en una consulta posterior.
Prepara audio que recoja con claridad el habla pertinente y proporciona el contexto escrito que no expresa el hablante. Especifica el tono, la longitud y los puntos requeridos en la respuesta. Conserva los mensajes anteriores importantes al continuar la conversación e indica si el entregable final debe ser una respuesta hablada breve, una explicación escrita más completa o una pregunta para resolver información que falte. Contrastar la respuesta con el material proporcionado mantiene la conversación vinculada a la tarea real del usuario.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-audio | 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 $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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", "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 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 las cabeceras. 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
Usa las rutas de método indicadas arriba.
openai/gpt-audioUn modelo de OpenAI para chat con audio que acepta texto y audio y devuelve texto o respuestas habladas. Utiliza una pregunta grabada junto con instrucciones escritas y material de referencia para elaborar una respuesta vinculada a la conversación.
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 es el modelo de OpenAI para entrada y salida de audio mediante la interfaz Chat Completions. Acepta texto y audio y produce texto o audio. Por ello, resulta adecuado para una solicitud conversacional acotada: el usuario proporciona una pregunta hablada, contexto escrito o ambos, y el modelo elabora la respuesta solicitada en el formato elegido.
Una aplicación ilustrativa es un asistente de información por voz. Proporciona la pregunta grabada junto con el material de referencia que debe utilizar la respuesta. Define el propósito de la conversación y los hechos que la respuesta debe conservar. Puedes pedir una explicación breve de un procedimiento, una pregunta aclaratoria sobre información que falte o una respuesta que relacione la solicitud hablada con el contexto escrito proporcionado.
Para una conversación educativa, especifica el tema y el nivel de explicación. Pide una respuesta hablada de una longitud útil, o una explicación escrita cuando el lector necesite examinar detenidamente términos o pasos. Para una interacción de asistencia, proporciona las reglas pertinentes y la información ya establecida en la conversación. La instrucción debe identificar el siguiente resultado deseado, en lugar de confiar en que la grabación contenga todas las condiciones necesarias.
OpenAI 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 para GPT-Audio. El proveedor documenta respuestas en flujo y llamadas a funciones. Son las especificaciones del modelo de chat con audio; el formato de solicitud conversacional es distinto de un flujo específico de transcripción o generación de voz. La aplicación elige la entrada y la salida necesarias para su tarea y gestiona los mensajes de la conversación.
Las llamadas a funciones pueden conectar el diálogo con una operación de la aplicación. Describe la acción disponible y sus argumentos, y devuelve después el resultado real una vez que la aplicación la haya ejecutado. Por ejemplo, una búsqueda en una fuente de referencia puede proporcionar la información necesaria para la respuesta hablada. Una solicitud de herramienta es una operación propuesta, mientras que la información devuelta por la herramienta constituye pruebas que el modelo puede utilizar en una consulta posterior.
Prepara audio que recoja con claridad el habla pertinente y proporciona el contexto escrito que no expresa el hablante. Especifica el tono, la longitud y los puntos requeridos en la respuesta. Conserva los mensajes anteriores importantes al continuar la conversación e indica si el entregable final debe ser una respuesta hablada breve, una explicación escrita más completa o una pregunta para resolver información que falte. Contrastar la respuesta con el material proporcionado mantiene la conversación vinculada a la tarea real del usuario.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-audio | 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 $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.005 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-audio",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 las cabeceras. 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
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.