gpt-4o-mini-tts

Oversigt. GPT-4o Mini TTS er OpenAIs dedikerede tekst-til-tale-model fra GPT-4o Mini-familien. Den tilgås via endepunktet for tale frem for Chat Completions og omdanner inddata i form af almindelig tekst på op til 2.000 tokens direkte til genereret lyd. OpenAI har markeret modellen som udfaset, og den er planlagt til stengning den 6. januar 2027.

Vigtigste styrker. Modellen tilbyder 13 indbyggede stemmer og eksporterer lyd i flere formater, herunder MP3, AAC, FLAC, Opus, WAV og PCM. Med en svartid, der egner sig til interaktiv brug, leverer den stabil kodegenerering af tale designet til brugermeddelelser, prompter i applikationer og korte tekststykker.

Anvendelsesområder. Brug denne model til enkle behandlingskæder for tekst-til-tale, der genererer lyd fra tekststykker inden for grænsen på 2.000 tokens, uden behov for tovejs-samtaler. Da OpenAI har udfaset endepunktet til fordel for gpt-realtime-2.1-mini, bør du planlægge migrering før stengningen i januar 2027, hvis du starter på nye implementeringer.

Begrænsninger. Inddata er begrænset til 2.000 tokens per forespørgsel, hvilket kræver manuel opdeling af teksten ved længere dokumenter. Modellen modtager ikke lyd som inddata, kan ikke returnere tekstsvar eller strukturerede data og understøtter hverken verktøykall eller ræsonneringsegenskaber.

Bemærkning om suverænitet. GPT-4o Mini TTS er en proprietær model med lukkede vægte, der drives af OpenAI i USA. Inferensforespørgsler er underlagt amerikansk jurisdiktion og CLOUD Act, uden mulighed for suveræn drift i Europa.