پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

مدل‌های صوتی OpenAI اکنون در دسترس است

تاریخ: 1404-08-22 / (2025-11-13)

خلاصه

اولین مدل‌های صوتی عمومی شرکت OpenAI با نام های gpt-audio و gpt-audio-mini، اکنون در AvalAI در دسترس هستند. این مدل‌ها از ورودی و خروجی صوتی و متنی از طریق Chat Completions API پشتیبانی می‌کنند و امکان ایجاد برنامه‌های مکالمه‌ای با قابلیت‌های صوتی بومی را فراهم می‌آورند. این مدل‌ها از function calling پشتیبانی کرده و قیمت‌گذاری انعطاف‌پذیری برای توکن‌های متنی و صوتی ارائه می‌دهند.

جزئیات

مدل‌های صوتی OpenAI

ما دسترسی به اولین مدل‌های صوتی آماده تولید OpenAI را برای برنامه‌های صوتی و هوش مصنوعی مکالمه‌ای اعلام می‌کنیم.

gpt-audio: مدل صوتی پیشرو OpenAI با قابلیت‌های مکالمه‌ای پیشرفته که از ورودی/خروجی صوتی و متنی پشتیبانی می‌کند
gpt-audio-mini: نسخه مقرون به صرفه GPT Audio، ایده‌آل برای برنامه‌های پردازش صوتی با حجم بالا

ویژگی‌های کلیدی:

پشتیبانی چندوجهی: پردازش و تولید متن و صدا در یک فراخوانی API
پنجره زمینه: 128,000 توکن برای مدیریت مکالمات گسترده
حداکثر خروجی: 16,384 توکن برای پاسخ‌های جامع
Function Calling: پشتیبانی کامل از استفاده از ابزار و فراخوانی تابع
فرمت‌های صوتی انعطاف‌پذیر: پشتیبانی از mp3، wav، pcm16 و سایر فرمت‌های صوتی
انتخاب صدا: گزینه‌های صوتی متعدد از جمله alloy، echo، fable، onyx، nova و shimmer
پشتیبانی Endpoint: در دسترس در v1/chat/completions

جزئیات قیمت‌گذاری:

مدل	ورودی متنی	ورودی کش‌شده	خروجی متنی	ورودی صوتی	خروجی صوتی
gpt-audio	$2.50/1M توکن	$1.25/1M توکن	$10.00/1M توکن	$32.00/1M توکن	$64.00/1M توکن
gpt-audio-mini	$0.60/1M توکن	$0.30/1M توکن	$2.40/1M توکن	$10.00/1M توکن	$20.00/1M توکن

مدل‌های قدیمی:

برای سازگاری با نسخه‌های قبلی، مدل‌های پیش‌نمایش زیر همچنان در دسترس هستند:

gpt-4o-audio-preview
gpt-4o-mini-audio-preview

نمونه درخواست/پاسخ API

نمونه درخواست

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-audio",
    "messages": [
      {
        "role": "user",
        "content": "سلام! امروز چطور می‌توانید به من کمک کنید؟"
      }
    ],
    "modalities": ["text", "audio"],
    "audio": {
      "format": "mp3",
      "voice": "alloy"
    }
  }'

نمونه پاسخ

json

{
  "id": "chatcmpl-AaBbCcDdEeFfGg",
  "created": 1763042146,
  "model": "gpt-audio-2025-08-28",
  "object": "chat.completion",
  "system_fingerprint": "fp_abc123",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": null,
        "role": "assistant",
        "audio": {
          "id": "audio_abc123xyz",
          "data": "SUQzBAAAAA...[کوتاه‌شده - داده‌های صوتی mp3 رمزگذاری‌شده base64]",
          "expires_at": 1763045747,
          "transcript": "سلام! من اینجا هستم تا در طیف گسترده‌ای از وظایف به شما کمک کنم. می‌توانم به سوالات پاسخ دهم، اطلاعات ارائه کنم، ایده‌های خلاقانه ارائه دهم، در حل مسائل کمک کنم و موارد دیگر. امروز می‌خواهید در چه زمینه‌ای کمک بگیرید؟"
        },
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 75,
    "prompt_tokens": 12,
    "total_tokens": 87,
    "completion_tokens_details": {
      "accepted_prediction_tokens": 0,
      "audio_tokens": 58,
      "reasoning_tokens": 0,
      "rejected_prediction_tokens": 0,
      "text_tokens": 17
    },
    "prompt_tokens_details": {
      "audio_tokens": 0,
      "cached_tokens": 0,
      "text_tokens": 12,
      "image_tokens": 0
    }
  },
  "estimated_cost": {
    "unit": "0.0037200000",
    "irt": 422.64,
    "exchange_rate": 113650
  }
}

نمونه‌های استفاده از SDK

تولید پایه متن و صدا

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-audio",
    "messages": [
      {
        "role": "user",
        "content": "درباره هوش مصنوعی برایم بگو."
      }
    ],
    "modalities": ["text", "audio"],
    "audio": {
      "format": "mp3",
      "voice": "nova"
    }
  }'

python

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("AVALAI_API_KEY"), base_url="https://api.avalai.ir/v1"
)

completion = client.chat.completions.create(
    model="gpt-audio",
    messages=[{"role": "user", "content": "درباره هوش مصنوعی برایم بگو."}],
    modalities=["text", "audio"],
    audio={"format": "mp3", "voice": "nova"},
)

# دسترسی به داده‌های صوتی
audio_data = completion.choices[0].message.audio.data
transcript = completion.choices[0].message.audio.transcript

print(f"متن رونویسی: {transcript}")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1",
});

const completion = await client.chat.completions.create({
    model: "gpt-audio",
    messages: [
        {
            role: "user",
            content: "درباره هوش مصنوعی برایم بگو.",
        },
    ],
    modalities: ["text", "audio"],
    audio: {
        format: "mp3",
        voice: "nova",
    },
});

// دسترسی به داده‌های صوتی
const audioData = completion.choices[0].message.audio.data;
const transcript = completion.choices[0].message.audio.transcript;

console.log(`متن رونویسی: ${transcript}`);

go

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
)

func main() {
	client := openai.NewClient(
		option.WithAPIKey(os.Getenv("AVALAI_API_KEY")),
		option.WithBaseURL("https://api.avalai.ir/v1"),
	)

	completion, err := client.Chat.Completions.New(context.Background(), openai.ChatCompletionNewParams{
		Model: openai.F("gpt-audio"),
		Messages: openai.F([]openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("درباره هوش مصنوعی برایم بگو."),
		}),
		Modalities: openai.F([]openai.ChatCompletionModality{
			openai.ChatCompletionModalityText,
			openai.ChatCompletionModalityAudio,
		}),
		Audio: openai.F(openai.ChatCompletionAudioParam{
			Format: openai.F(openai.ChatCompletionAudioFormatMp3),
			Voice:  openai.F(openai.ChatCompletionAudioVoiceNova),
		}),
	})

	if err != nil {
		panic(err)
	}

	fmt.Printf("متن رونویسی: %s\n", completion.Choices[0].Message.Audio.Transcript)
}

php

<?php

require 'vendor/autoload.php';

use OpenAI\Client;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

$response = $client->chat()->create([
    'model' => 'gpt-audio',
    'messages' => [
        [
            'role' => 'user',
            'content' => 'درباره هوش مصنوعی برایم بگو.',
        ],
    ],
    'modalities' => ['text', 'audio'],
    'audio' => [
        'format' => 'mp3',
        'voice' => 'nova',
    ],
]);

$audioData = $response['choices'][0]['message']['audio']['data'];
$transcript = $response['choices'][0]['message']['audio']['transcript'];

echo "متن رونویسی: " . $transcript . "\n";

استفاده از gpt-audio-mini برای پردازش مقرون به صرفه

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-audio-mini",
    "messages": [
      {
        "role": "user",
        "content": "هوای امروز چطور است؟"
      }
    ],
    "modalities": ["text", "audio"],
    "audio": {
      "format": "mp3",
      "voice": "alloy"
    }
  }'

python

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("AVALAI_API_KEY"), base_url="https://api.avalai.ir/v1"
)

completion = client.chat.completions.create(
    model="gpt-audio-mini",
    messages=[{"role": "user", "content": "هوای امروز چطور است؟"}],
    modalities=["text", "audio"],
    audio={"format": "mp3", "voice": "alloy"},
)

print(completion.choices[0].message.audio.transcript)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1",
});

const completion = await client.chat.completions.create({
    model: "gpt-audio-mini",
    messages: [
        {
            role: "user",
            content: "هوای امروز چطور است؟",
        },
    ],
    modalities: ["text", "audio"],
    audio: {
        format: "mp3",
        voice: "alloy",
    },
});

console.log(completion.choices[0].message.audio.transcript);

go

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
)

func main() {
	client := openai.NewClient(
		option.WithAPIKey(os.Getenv("AVALAI_API_KEY")),
		option.WithBaseURL("https://api.avalai.ir/v1"),
	)

	completion, err := client.Chat.Completions.New(context.Background(), openai.ChatCompletionNewParams{
		Model: openai.F("gpt-audio-mini"),
		Messages: openai.F([]openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("هوای امروز چطور است؟"),
		}),
		Modalities: openai.F([]openai.ChatCompletionModality{
			openai.ChatCompletionModalityText,
			openai.ChatCompletionModalityAudio,
		}),
		Audio: openai.F(openai.ChatCompletionAudioParam{
			Format: openai.F(openai.ChatCompletionAudioFormatMp3),
			Voice:  openai.F(openai.ChatCompletionAudioVoiceAlloy),
		}),
	})

	if err != nil {
		panic(err)
	}

	fmt.Println(completion.Choices[0].Message.Audio.Transcript)
}

php

<?php

require 'vendor/autoload.php';

use OpenAI\Client;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

$response = $client->chat()->create([
    'model' => 'gpt-audio-mini',
    'messages' => [
        [
            'role' => 'user',
            'content' => 'هوای امروز چطور است؟',
        ],
    ],
    'modalities' => ['text', 'audio'],
    'audio' => [
        'format' => 'mp3',
        'voice' => 'alloy',
    ],
]);

echo $response['choices'][0]['message']['audio']['transcript'] . "\n";

فراخوانی تابع با مدل‌های صوتی

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gpt-audio",
    "messages": [
      {
        "role": "user",
        "content": "هوای سانفرانسیسکو چطور است؟"
      }
    ],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "دریافت اطلاعات هوای فعلی برای یک مکان",
          "parameters": {
            "type": "object",
            "properties": {
              "location": {
                "type": "string",
                "description": "نام شهر"
              }
            },
            "required": ["location"]
          }
        }
      }
    ],
    "tool_choice": "auto"
  }'

python

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("AVALAI_API_KEY"), base_url="https://api.avalai.ir/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "دریافت اطلاعات هوای فعلی برای یک مکان",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "نام شهر"}
                },
                "required": ["location"],
            },
        },
    }
]

response = client.chat.completions.create(
    model="gpt-audio",
    messages=[{"role": "user", "content": "هوای سانفرانسیسکو چطور است؟"}],
    tools=tools,
    tool_choice="auto",
)

print(response.choices[0].message.tool_calls)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1",
});

const tools = [
    {
        type: "function",
        function: {
            name: "get_weather",
            description: "دریافت اطلاعات هوای فعلی برای یک مکان",
            parameters: {
                type: "object",
                properties: {
                    location: {
                        type: "string",
                        description: "نام شهر"
                    }
                },
                required: ["location"]
            }
        }
    }
];

const response = await client.chat.completions.create({
    model: "gpt-audio",
    messages: [
        {
            role: "user",
            content: "هوای سانفرانسیسکو چطور است؟"
        }
    ],
    tools: tools,
    tool_choice: "auto"
});

console.log(response.choices[0].message.tool_calls);

go

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go"
	"github.com/openai/openai-go/option"
)

func main() {
	client := openai.NewClient(
		option.WithAPIKey(os.Getenv("AVALAI_API_KEY")),
		option.WithBaseURL("https://api.avalai.ir/v1"),
	)

	completion, err := client.Chat.Completions.New(context.Background(), openai.ChatCompletionNewParams{
		Model: openai.F("gpt-audio"),
		Messages: openai.F([]openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("هوای سانفرانسیسکو چطور است؟"),
		}),
		Tools: openai.F([]openai.ChatCompletionToolParam{
			{
				Type: openai.F(openai.ChatCompletionToolTypeFunction),
				Function: openai.F(openai.FunctionDefinitionParam{
					Name:        openai.String("get_weather"),
					Description: openai.String("دریافت اطلاعات هوای فعلی برای یک مکان"),
					Parameters: openai.F(openai.FunctionParameters{
						"type": "object",
						"properties": map[string]interface{}{
							"location": map[string]interface{}{
								"type":        "string",
								"description": "نام شهر",
							},
						},
						"required": []string{"location"},
					}),
				}),
			},
		}),
		ToolChoice: openai.F[openai.ChatCompletionToolChoiceOptionUnionParam](
			openai.ChatCompletionToolChoiceOptionAuto,
		),
	})

	if err != nil {
		panic(err)
	}

	fmt.Printf("%+v\n", completion.Choices[0].Message.ToolCalls)
}

php

<?php

require 'vendor/autoload.php';

use OpenAI\Client;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

$response = $client->chat()->create([
    'model' => 'gpt-audio',
    'messages' => [
        [
            'role' => 'user',
            'content' => 'هوای سانفرانسیسکو چطور است؟',
        ],
    ],
    'tools' => [
        [
            'type' => 'function',
 => [
                'name' => 'get_weather',
                'description' => 'دریافت اطلاعات هوای فعلی برای یک مکان',
                'parameters' => [
                    'type' => 'object',
                    'properties' => [
                        'location' => [
                            'type' => 'string',
                            'description' => 'نام شهر',
                        ],
                    ],
                    'required' => ['location'],
                ],
            ],
        ],
    ],
    'tool_choice' => 'auto',
]);

print_r($response['choices'][0]['message']['tool_calls']);

مدل‌های صوتی OpenAI اکنون در دسترس است ​

خلاصه ​

جزئیات ​

مدل‌های صوتی OpenAI ​

نمونه درخواست/پاسخ API ​

نمونه درخواست ​

نمونه پاسخ ​

نمونه‌های استفاده از SDK ​

تولید پایه متن و صدا ​

استفاده از gpt-audio-mini برای پردازش مقرون به صرفه ​

فراخوانی تابع با مدل‌های صوتی ​

لینک‌های مرتبط ​

مدل‌های صوتی OpenAI اکنون در دسترس است

خلاصه

جزئیات

مدل‌های صوتی OpenAI

نمونه درخواست/پاسخ API

نمونه درخواست

نمونه پاسخ

نمونه‌های استفاده از SDK

تولید پایه متن و صدا

استفاده از gpt-audio-mini برای پردازش مقرون به صرفه

فراخوانی تابع با مدل‌های صوتی

لینک‌های مرتبط