GPT-Audio Mini 是 OpenAI GPT-Audio 系列的 Mini 版本，適合使用文字與聲音的對話請求。它透過 Chat Completions 接收文字和音訊，並產生文字或音訊。模型保留音訊聊天的用途，同時維持自己的版本身分，與 GPT-Audio 及持續即時連線的模型不同。
一項實用的應用是以範圍明確的答案回應語音查詢。請提供錄音及回覆應依據的資訊，再定義交流目標。一個請求示例是解釋程序中的某個部分，或詢問錄音未能確立的事實。需要仔細檢查答案時，可選擇書面結果；使用者會聆聽回覆時，則可選擇語音輸出。
針對對話練習，請指定角色、主題和每輪預期長度。加入重要的先前訊息，讓下一個回覆仍與已討論內容相連。針對支援對話，請提供適用規則，以及錄音前已確立的事實。請區分使用者提供的資訊與應用程式補充的參考資料，並說明最終回覆應達成的目標。
開發者的 GPT-Audio Mini 規格列出 128,000 token 的上下文視窗、最多 16,384 token 的輸出，以及截至 2023年10月1日的知識。文件記載了函式呼叫和提示快取。模型使用的是具音訊能力、範圍明確的 Chat Completions 方法；另一套 Realtime 或持續語音連線的特性，並不決定此版本的請求流程。
函式呼叫讓模型能向應用程式所描述的工具請求操作。應用程式執行動作，並回傳實際結果供後續回覆使用。例如，查詢可提供回覆所需的參考事實。請將回傳資訊與提議的操作本身分開，讓下一個回應以對話中實際可用的結果為依據。
請準備清楚收錄相關發言的錄音，並以書面指示提供任務背景、必要事實、語氣和回應長度。說明有用的成果是簡短語音解釋、書面回覆，還是釐清不確定資訊的問題。在重複工作流程中，維持規則一致，同時更換各次請求的專屬資料。將重要事實帶入下一輪之前，請依規則和參考文字檢查結果。
", "aboutText": "GPT-Audio Mini 是 OpenAI GPT-Audio 系列的 Mini 版本，適合使用文字與聲音的對話請求。它透過 Chat Completions 接收文字和音訊，並產生文字或音訊。模型保留音訊聊天的用途，同時維持自己的版本身分，與 GPT-Audio 及持續即時連線的模型不同。\n\n一項實用的應用是以範圍明確的答案回應語音查詢。請提供錄音及回覆應依據的資訊，再定義交流目標。一個請求示例是解釋程序中的某個部分，或詢問錄音未能確立的事實。需要仔細檢查答案時，可選擇書面結果；使用者會聆聽回覆時，則可選擇語音輸出。\n\n針對對話練習，請指定角色、主題和每輪預期長度。加入重要的先前訊息，讓下一個回覆仍與已討論內容相連。針對支援對話，請提供適用規則，以及錄音前已確立的事實。請區分使用者提供的資訊與應用程式補充的參考資料，並說明最終回覆應達成的目標。\n\n開發者的 GPT-Audio Mini 規格列出 128,000 token 的上下文視窗、最多 16,384 token 的輸出，以及截至 2023年10月1日的知識。文件記載了函式呼叫和提示快取。模型使用的是具音訊能力、範圍明確的 Chat Completions 方法；另一套 Realtime 或持續語音連線的特性，並不決定此版本的請求流程。\n\n函式呼叫讓模型能向應用程式所描述的工具請求操作。應用程式執行動作，並回傳實際結果供後續回覆使用。例如，查詢可提供回覆所需的參考事實。請將回傳資訊與提議的操作本身分開，讓下一個回應以對話中實際可用的結果為依據。\n\n請準備清楚收錄相關發言的錄音，並以書面指示提供任務背景、必要事實、語氣和回應長度。說明有用的成果是簡短語音解釋、書面回覆，還是釐清不確定資訊的問題。在重複工作流程中，維持規則一致，同時更換各次請求的專屬資料。將重要事實帶入下一輪之前，請依規則和參考文字檢查結果。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
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-miniOpenAI GPT-Audio 系列的 Mini 版本接收文字和音訊，並回傳文字或語音輸出。利用錄製的問題、書面規則和相關背景，產生回覆或範圍明確的後續對話。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-Audio Mini 是 OpenAI GPT-Audio 系列的 Mini 版本，適合使用文字與聲音的對話請求。它透過 Chat Completions 接收文字和音訊，並產生文字或音訊。模型保留音訊聊天的用途，同時維持自己的版本身分，與 GPT-Audio 及持續即時連線的模型不同。
一項實用的應用是以範圍明確的答案回應語音查詢。請提供錄音及回覆應依據的資訊，再定義交流目標。一個請求示例是解釋程序中的某個部分，或詢問錄音未能確立的事實。需要仔細檢查答案時，可選擇書面結果；使用者會聆聽回覆時，則可選擇語音輸出。
針對對話練習，請指定角色、主題和每輪預期長度。加入重要的先前訊息，讓下一個回覆仍與已討論內容相連。針對支援對話，請提供適用規則，以及錄音前已確立的事實。請區分使用者提供的資訊與應用程式補充的參考資料，並說明最終回覆應達成的目標。
開發者的 GPT-Audio Mini 規格列出 128,000 token 的上下文視窗、最多 16,384 token 的輸出，以及截至 2023年10月1日的知識。文件記載了函式呼叫和提示快取。模型使用的是具音訊能力、範圍明確的 Chat Completions 方法；另一套 Realtime 或持續語音連線的特性，並不決定此版本的請求流程。
函式呼叫讓模型能向應用程式所描述的工具請求操作。應用程式執行動作，並回傳實際結果供後續回覆使用。例如，查詢可提供回覆所需的參考事實。請將回傳資訊與提議的操作本身分開，讓下一個回應以對話中實際可用的結果為依據。
請準備清楚收錄相關發言的錄音，並以書面指示提供任務背景、必要事實、語氣和回應長度。說明有用的成果是簡短語音解釋、書面回覆，還是釐清不確定資訊的問題。在重複工作流程中，維持規則一致，同時更換各次請求的專屬資料。將重要事實帶入下一輪之前，請依規則和參考文字檢查結果。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-audio-mini | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.0048 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.0048 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra openai/gpt-audio-mini
請使用上方列出的 API 方法路徑。
openai/gpt-audio-miniOpenAI GPT-Audio 系列的 Mini 版本接收文字和音訊，並回傳文字或語音輸出。利用錄製的問題、書面規則和相關背景，產生回覆或範圍明確的後續對話。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-Audio Mini 是 OpenAI GPT-Audio 系列的 Mini 版本，適合使用文字與聲音的對話請求。它透過 Chat Completions 接收文字和音訊，並產生文字或音訊。模型保留音訊聊天的用途，同時維持自己的版本身分，與 GPT-Audio 及持續即時連線的模型不同。
一項實用的應用是以範圍明確的答案回應語音查詢。請提供錄音及回覆應依據的資訊，再定義交流目標。一個請求示例是解釋程序中的某個部分，或詢問錄音未能確立的事實。需要仔細檢查答案時，可選擇書面結果；使用者會聆聽回覆時，則可選擇語音輸出。
針對對話練習，請指定角色、主題和每輪預期長度。加入重要的先前訊息，讓下一個回覆仍與已討論內容相連。針對支援對話，請提供適用規則，以及錄音前已確立的事實。請區分使用者提供的資訊與應用程式補充的參考資料，並說明最終回覆應達成的目標。
開發者的 GPT-Audio Mini 規格列出 128,000 token 的上下文視窗、最多 16,384 token 的輸出，以及截至 2023年10月1日的知識。文件記載了函式呼叫和提示快取。模型使用的是具音訊能力、範圍明確的 Chat Completions 方法；另一套 Realtime 或持續語音連線的特性，並不決定此版本的請求流程。
函式呼叫讓模型能向應用程式所描述的工具請求操作。應用程式執行動作，並回傳實際結果供後續回覆使用。例如，查詢可提供回覆所需的參考事實。請將回傳資訊與提議的操作本身分開，讓下一個回應以對話中實際可用的結果為依據。
請準備清楚收錄相關發言的錄音，並以書面指示提供任務背景、必要事實、語氣和回應長度。說明有用的成果是簡短語音解釋、書面回覆，還是釐清不確定資訊的問題。在重複工作流程中，維持規則一致，同時更換各次請求的專屬資料。將重要事實帶入下一輪之前，請依規則和參考文字檢查結果。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-audio-mini | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.0048 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.0048 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-audio-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra openai/gpt-audio-mini
請使用上方列出的 API 方法路徑。
英文技術範例
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.