مدل GPT-4o Audio: هوش مصنوعی صوتی پیشرفته OpenAI

اطلاعات مدل

شناسه (Slug)

gpt-4o-audio-preview

تاریخ انتشار

۲۴ مرداد ۱۴۰۴

سازمان

OpenAI

دسترسی

پولی

سایت رسمی

openai.com

داده‌های تحلیلی

شاخص‌ها

هوش ۱۱,۱

کدنویسی —

عامل (Agentic) —

عملکرد

سرعت خروجی ۱۳۴,۷ t/s

زمان تا اولین توکن ۰,۹۱ ثانیه

زمان پاسخ کامل ۴,۶۲ ثانیه

مجوز

Proprietary

ورودی

متن، تصویر، فایل

خروجی

متن

پنجرهٔ زمینه

۱۲۸,۰ هزار توکن

میانگین قیمت ورودی (در ۱ میلیون توکن)

$2,50

میانگین قیمت خروجی (در ۱ میلیون توکن)

$10,0

نوع استفاده

متن

بنچمارک‌ها

general

MMLU ۸۸,۷% #17

زبان

MMLU-Pro ۷۲,۶% #81

ریاضی

MGSM ۹۰,۵% #9

MATH ۷۶,۶% #24

MathVista ۶۳,۸% #23

استدلال

HumanEval ۹۰,۲% #12

DROP ۸۳,۴% #8

GPQA ۵۳,۶% #173

تامین‌کننده‌ها (Providers)

این مدل از طریق 1 ارائه‌دهنده قابل دسترسی است.

ارائه‌دهنده	نوع	نام مدل	مدل اصلی	ورودی ($/1M)	خروجی ($/1M)	رایگان
AIHubMix ویژه	گفتگو کدنویسی	gpt-4o-audio-preview	`gpt-4o-audio-preview`	$2.50	$10.00	—

معرفی مدل

مدل GPT-4o Audio یک پیشرفت انقلابی از OpenAI در حوزه هوش مصنوعی چندوجهی است که تعاملات صوتی را به سطحی بی‌سابقه از واقع‌گرایی رسانده است. این مدل با قابلیت درک و تولید پاسخ‌های صوتی با تأخیر بسیار کم، تجربه مکالمه‌ای طبیعی و انسانی را برای کاربران فراهم می‌کند. با استفاده از این فناوری پیشرفته، پردازش سیگنال‌های صوتی بدون نیاز به تبدیل متن، با دقت و ظرافت بیشتری انجام می‌شود. gpt-4o-audio-preview به توسعه‌دهندگان اجازه می‌دهد تا اپلیکیشن‌هایی با قابلیت درک لحن، احساس و جزئیات صوتی طراحی کنند. این مدل انتخابی ایده‌آل برای ساخت دستیارهای صوتی هوشمند و سیستم‌های تعاملی نسل جدید است.