Indlæser kataloget…
Indlæser kataloget…
OpenAI GPT-4o Mini TTS-modelversion (20.03.2025): tale-til-tekst på lyd-API'et, 2k inddata-tokens, udfases med lukning 06.01.2027.
Oversigt. gpt-4o-mini-tts-2025-03-20 er OpenAIs version fra 20. marts 2025 af en tale-til-tekst-model bygget på GPT-4o Mini. Den tager tekst som inddata og returnerer lyd via tale-endepunktet, ikke via chat- eller realtime-API'er. Udviklere bruger den, når de har brug for kompakt kodegenerering fra prompt til tale frem for en generel sprogmodel.
Vigtigste styrker. Modellen er specialbygget til talesyntese: tekst ind, lyd ud, med streaming-afspilning velegnet til talt svar efter behov. Dokumenterede anvendelsesområder inkluderer oplæsning, talt lyd på flere sprog og lyduddata i sanntid. Valgfri lydstreaming lader dig starte afspilningen uden at vente på en fuld rendering på tale-API'et.
Anvendelsesområder. Brug denne modelversion til enkle tale-til-tekst-opgaver, når du har brug for talt uddata fra korte prompter og ikke har brug for chat, værktøjer eller ræsonnering med mange trin. Den passer til interaktive produktflow — notifikationer, oplæsningshjælp, letvægts-stemme-UX — hvor inddata holder sig inden for få tusinde tokens. Brug den kun, så længe denne modelversion er tilgængelig, og mens udfasningen af ældre tale-API'er stadig pågår.
Begrænsninger. Inddata er begrænset til 2.000 tokens, hvilket er langt under typiske kontekstvinduer for chat, og uddata er kun lyd uden tekstsvar, værktøjskald eller strukturerede uddata. Tale-endepunktet accepterer en instruktionsstreng til at styre stemmestilen, men ikke en systemprompt fra Chat Completions. OpenAI har varslet udfasning af denne modelversion med lukning af API'et den 6. januar 2027 og henviser brugere til gpt-realtime-2.1-mini. Det er ikke en Chat Completions-, Responses- eller Realtime-model.
Bemærkning om suverænitet. OpenAI er en amerikansk modelskaber, så inferens drevet af leverandøren medfører underlæggelse af CLOUD Act og er ikke suveræn. Lukkede vægte, et amerikansk standardendepunkt og kun en mulighed for udvalgte kunder for at behandle API-data i Europa gør den uegnet til regulerede opgaver, der kræver garanteret dataplacering i EU eller sikker routing af følsomme data.
| Inferensleverandør | Suverænitet | Kører i | Pris | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,54 € per 1 mio. ind-tokens10,89 € per 1 mio. uddata-tokens | Online |
14 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Dedikeret TTS-endepunkt i gpt-4o-mini-familien leverer den syntese-del, der kræves til stemmeagenter; et kontekstvindue på 128k understøtter længere talte runder uden øjeblikkelig afkortning.
Modelidentiteten er eksplicit gpt-4o-mini TTS-varianten med aktiv status og 128k kontekstvindue, hvilket gør den til et direkte produktionsvalg til talesyntese-opgaver i det omkostningseffektive mini-niveau.
Kan betjene den talte uddata-del af stemmeaktiverede support-bots via indbygget talesyntese, selvom det ikke er en generel chat-instruksmodel, og der ikke er flaget for verktøjskald.
Velegnet til det talte leveringslag for salgsassistenter, hvor priser på gpt-4o-mini-niveau og et kontekstvindue på 128k betyder noget, men ikke til den underliggende ræsonnering eller brug af CRM-verktøjer.
Mangler signaler for verktøjskald og agentisk koding; rollen som talesyntese strider mod kodningsagenter i repositories-skala.
Der er ikke flaget for egenskaber inden for funktionskald eller brug af verktøjer på denne TTS-specifikke variant.
Ingen flag for verktøjskald, computer-use eller agentiske egenskaber; arkitekturen er talesyntese, ikke browserstyring.
Ingen billedforståelse eller OCR-egenskaber; modellen er udelukkende til talesyntese.
TTS-endepunkt uden kodningsorienterede benchmarks eller instruks-verktøjer; uegnet som standardmodel til kodegennemgang.
Specialiseret TTS-model uden signaler for udvidet ræsonnering eller planlægning; modelfamiliens kvalitetsnotat styrer allerede præcisionskritisk arbejde andetsteds.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod tale-modellerne på Stav.
Ingen benchmarkkilde endnu
curl https://api.stav.ai/v1/audio/speech \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "openai/gpt-4o-mini-tts-2025-03-20", "input": "Hei, verden!", "voice": "alloy"}' \
--output speech.mp3→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på