GPT Audio - MixRoute API

GPT Audio 是 OpenAI 推出的支援語音輸入與輸出的音訊對話模型。可使用下方端點透過 MixRoute 呼叫 gpt-audio。

核心能力

音訊輸入與輸出 - 在 Chat Completions 對話中使用語音
音色選擇 - 設定生成音訊使用的音色
文字轉錄 - 在生成音訊的同時取得文字
OpenAI 相容 - 使用 Chat Completions 請求格式

快速範例

cURL
Python

curl "https://api.mixroute.ai/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "gpt-audio",
  "modalities": [
    "text",
    "audio"
  ],
  "audio": {
    "voice": "alloy",
    "format": "wav"
  },
  "messages": [
    {
      "role": "user",
      "content": "Give a short spoken welcome to MixRoute."
    }
  ],
  "max_completion_tokens": 256
}'

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.mixroute.ai/v1")

response = client.chat.completions.create(
    model="gpt-audio",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "wav"},
    messages=[{"role": "user", "content": "Give a short spoken welcome to MixRoute."}],
    max_completion_tokens=256,
)

audio = response.choices[0].message.audio
Path("reply.wav").write_bytes(base64.b64decode(audio.data))
print(audio.transcript)

參數

參數	類型	必填	說明
`model`	string	是	固定為 `gpt-audio`。
`messages`	array	是	對話訊息，content 可包含文字或 input_audio 內容片段。
`modalities`	array	是	包含 audio 以請求生成語音。
`audio`	object	是	輸出音色與音訊格式。
`max_completion_tokens`	integer	否	最大生成 token 數。
`stream`	boolean	否	啟用 Chat Completions 串流輸出。