OpenAI: GPT-4o mini TTS: مدل صوتی
GPT-4o mini TTS مدلِ متن-به-گفتارِ قابل‌هدایتِ OpenAI است: می‌گویید چطور حرف بزند، از لحن و سرعت تا احساس. از داخل ایران و از طریق هرمز.
- قیمت:
- $0.6/M text tokens · $12/M audio tokens
- نوع:
- audio
- صوت
GPT-4o mini TTS یک مدلِ متن-به-گفتار از OpenAI است که بر پایه‌ی GPT-4o mini ساخته شده. افزون بر متن، فیلدِ instructions را می‌پذیرد که شیوهی گفتن را هدایت میکند، برای نمونه «آرام صحبت کن، مثل پزشکی که تشخیص را توضیح می‌دهد»، و سیزده صدا دارد.
هرمز GPT-4o mini TTS را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/speech که صدا را در همان پاسخ برمی‌گرداند، و /v1/predictions برای کارهای پس‌زمینه. مقدارِ voice را یکی از صداهای خودِ مدل بگذارید (برای نمونه «coral») و response_format را mp3 یا pcm تعیین کنید. هر درخواست تا ۴٬۰۹۶ نویسه متن می‌پذیرد.
هزینه دو بخش دارد: متنِ ورودی، و طولِ صدای ساخته‌شده (OpenAI آن را بر حسبِ توکنِ صوتی، حدودِ ۲۴ توکن در هر ثانیه، قیمت‌گذاری میکند). نرخ‌های روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید. هرمز دسترسیِ پایدار به آن را از داخل ایران فراهم میکند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.
OpenAI's steerable text-to-speech model: tell it how to speak (tone, pace, emotion) with instructions.
شروع سریع
curl https://api.hormouz.net/v1/audio/speech \
-H "Authorization: Bearer ng-YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"openai/gpt-4o-mini-tts","voice":"ballad","input":"Hello from Hormouz.","response_format":"mp3"}' \
--output speech.mp3مشخصات
| سازنده | OpenAI |
|---|---|
| نوع | صدا |
| پنجره زمینه | — |
| قیمت | $0.6/M text tokens · $12/M audio tokens |
| نوع API | speech |
نمونه کد
curl https://api.hormouz.net/v1/audio/speech \
-H "Authorization: Bearer ng-YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"openai/gpt-4o-mini-tts","voice":"ballad","input":"Hello from Hormouz.","response_format":"mp3"}' \
--output speech.mp3from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
with client.audio.speech.with_streaming_response.create(
model="openai/gpt-4o-mini-tts",
voice="ballad",
input="Hello from Hormouz.",
response_format="mp3",
) as resp:
resp.stream_to_file("speech.mp3")import OpenAI from "openai";
import { writeFile } from "node:fs/promises";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const speech = await client.audio.speech.create({
model: "openai/gpt-4o-mini-tts",
voice: "ballad",
input: "Hello from Hormouz.",
response_format: "mp3",
});
await writeFile("speech.mp3", Buffer.from(await speech.arrayBuffer()));خرید API OpenAI: GPT-4o mini TTS با پرداخت ریالی
- با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
- با یک کلید هرمز به OpenAI: GPT-4o mini TTS و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
- بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
استفاده از طریق هرمز
با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.
درخواست دسترسی شرکتیسوالات متداول
- هزینه‌ی استفاده از GPT-4o mini TTS چقدر است؟
- هزینه دو بخش دارد: متنِ ورودی، و طولِ صدای ساخته‌شده (OpenAI آن را بر حسبِ توکنِ صوتی، حدودِ ۲۴ توکن در هر ثانیه، قیمت‌گذاری میکند). نرخ‌های روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید.
- چطور از داخل ایران به GPT-4o mini TTS دسترسی داشته باشم؟
- کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیر دسترسی پایدار به این مدل را از داخل ایران فراهم میکند و نیازی به کارت اعتباری خارجی یا ابزار دور زدن تحریم ندارید.
- چطور GPT-4o mini TTS را فراخوانی کنم؟
- هرمز GPT-4o mini TTS را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/speech که صدا را در همان پاسخ برمی‌گرداند، و /v1/predictions برای کارهای پس‌زمینه. مقدارِ voice را یکی از صداهای خودِ مدل بگذارید (برای نمونه «coral») و response_format را mp3 یا pcm تعیین کنید. هر درخواست تا ۴٬۰۹۶ نویسه متن می‌پذیرد. کدی که برای SDK اوپن‌ای‌آی نوشته شده فقط با تغییرِ آدرسِ پایه کار میکند و شناسه‌ی سادهٔ مدل هم پذیرفته می‌شود.
- آیا میتوانم شیوهی گفتنش را کنترل کنم؟
- بله. فیلدِ instructions را با لحن، سرعت یا احساسِ دلخواه بفرستید. سیزده صدا دارد: alloy، ash، ballad، cedar، coral، echo، fable، marin، nova، onyx، sage، shimmer و verse.
به‌روزرسانی: 2026-10-13