قیمت و API مدل GPT Audio در ایران

openai/gpt-audio

فراخوانی ابزارخروجی JSONورودی صوت
ورودی · هر ۱M توکن
۸۶۵٬۵۴۸ تومان
خروجی · هر ۱M توکن
۳٬۴۶۲٬۱۹۴ تومان
یک درخواست ۱٬۰۰۰ کلمه‌ای ≈
۵٬۶۲۶ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ

کد آمادهٔ GPT Audio: فراخوانی ابزار (tool calling)

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

from openai import OpenAI
import json

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

tools = [{
    "type": "function",
    "function": {
        "name": "check_stock",
        "description": "موجودی یک محصول را برمی‌گرداند",
        "parameters": {
            "type": "object",
            "properties": {"sku": {"type": "string"}},
            "required": ["sku"],
        },
    },
}]

messages = [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}]
first = client.chat.completions.create(model="openai/gpt-audio", messages=messages, tools=tools)
call = first.choices[0].message.tool_calls[0]

# you run the function yourself — the model never touches the database
args = json.loads(call.function.arguments)
result = {"sku": args["sku"], "qty": 7}

messages += [first.choices[0].message, {"role": "tool", "tool_call_id": call.id, "content": json.dumps(result)}]
final = client.chat.completions.create(model="openai/gpt-audio", messages=messages, tools=tools)
print(final.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });

const tools = [{
  type: "function",
  function: {
    name: "check_stock",
    description: "موجودی یک محصول را برمی‌گرداند",
    parameters: { type: "object", properties: { sku: { type: "string" } }, required: ["sku"] },
  },
}];

const messages = [{ role: "user", content: "از کفش نایک مدل NK-42 چند تا موجوده" }];
const first = await client.chat.completions.create({ model: "openai/gpt-audio", messages, tools });
const call = first.choices[0].message.tool_calls[0];

const args = JSON.parse(call.function.arguments);
const result = { sku: args.sku, qty: 7 };

messages.push(first.choices[0].message, { role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
const final = await client.chat.completions.create({ model: "openai/gpt-audio", messages, tools });
console.log(final.choices[0].message.content);
curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-audio",
    "messages": [{"role": "user", "content": "از کفش نایک مدل NK-42 چند تا موجوده"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "check_stock",
        "parameters": {"type": "object", "properties": {"sku": {"type": "string"}}, "required": ["sku"]}
      }
    }]
  }'

GPT Audio برای چه کاری خوب است؟

شناسهٔ GPT Audio در API ما «openai/gpt-audio» است و تأمین‌کنندهٔ آن OpenAI است. حداکثر طول متن (context) ۱۲۸٬۰۰۰ توکن است؛ حدود ۹۶ هزار کلمهٔ فارسی جا می‌شود و بعد از آن باید تاریخچه را خلاصه کنی. حداکثر طول پاسخ در هر فراخوانی ۱۶٬۳۸۴ توکن است. از نظر قیمت در دستهٔ «گران» است — ارزان‌تر از ۵۲ مدل و گران‌تر از ۳۲۰ مدل پولی دیگر کاتالوگ.

چه کارهایی از آن برمی‌آید: ورودی صوتی دارد؛ tool calling دارد، یعنی می‌تواند تابع‌های خودت را با آرگومان درست صدا بزند؛ با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند.

هر ۱ میلیون توکن ورودی ۸۶۵٬۵۴۸ تومان و هر ۱ میلیون توکن خروجی ۳٬۴۶۲٬۱۹۴ تومان است؛ خروجی ۴ برابر ورودی قیمت دارد، پس کوتاه‌کردن پاسخ بیشتر از کوتاه‌کردن پرامپت صرفه دارد. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد، و درخواستی که ناموفق باشد هزینه‌ای ندارد.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر Command R+ (08-2024) است: GPT Audio تقریباً هم‌قیمت آن تمام می‌شود و حداکثر طول متنش برابر است. هر دو با همان کلید و همان کد کار می‌کنند، پس عوض‌کردن‌شان فقط تغییر یک رشته است.

برای اینکه عدد قابل تصور شود: با ۱۰۰ هزار تومان اعتبار، حدود ۱۸ درخواست ۱٬۰۰۰ کلمه‌ای روی GPT Audio جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱۷۸ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴٬۳۲۷٬۷۴۲ تومان می‌شود. پر کردن کامل پنجرهٔ ۱۲۸٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۱۱۰٬۷۹۰ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

نزدیک‌ترین هم‌خانوادهٔ این مدل «openai/gpt-audio-mini» است و انتخاب بین این دو همان جایی است که بیشتر آدم‌ها گیر می‌کنند. روی یک درخواست ۱٬۰۰۰ کلمه‌ای، این نسخه حدود ۴٫۲ برابر گران‌تر از آن درمی‌آید (۵٬۶۲۶ در برابر ۱٬۳۵۰ تومان).

OpenAI در کاتالوگ ما ۸۱ مدل دارد؛ ارزان‌ترین‌شان gpt-oss-20b (دسته‌ای) با ۶۱ تومان و گران‌ترین GPT-5.5 Pro با ۹۴٬۵۱۸ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، logprobs، presence_penalty، top_logprobs را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض include_reasoning، reasoning را که بیشتر مدل‌ها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر طول متن نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Nova Micro 1.0 با ۱۲۸٬۰۰۰ توکن است.

کجا انتخاب درستی است: کارهایی که کیفیت پاسخ در آن‌ها از هزینه مهم‌تر است، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص.

توضیح رسمی تأمین‌کننده (انگلیسی)

The gpt-audio model is OpenAI's first generally available audio model. The new snapshot features an upgraded decoder for more natural sounding voices and maintains better voice consistency. Audio is priced...

سه کار واقعی، با قیمت همین مدل

اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.

کارتوکنهزینه
یک نوبت گفتگو با تاریخچهٔ متوسط۱٬۵۰۰ ورودی + ۴۰۰ خروجی۲٬۶۸۳ تومان
خلاصه‌کردن سند ده‌صفحه‌ای۴٬۰۰۰ ورودی + ۶۰۰ خروجی۵٬۵۴۰ تومان
دسته‌بندی هزار ردیف کوتاه۱۲۰٬۰۰۰ ورودی + ۲۰٬۰۰۰ خروجی۱۷۳٬۱۱۰ تومان

سؤال‌های پرتکرار

چطور با GPT Audio در ایران کار کنم؟
در یوتاپن ثبت‌نام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https://api.uttapen.ir/v1 و model را به «openai/gpt-audio» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت GPT Audio به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۸۶۵٬۵۴۸ تومان و هر ۱ میلیون توکن خروجی ۳٬۴۶۲٬۱۹۴ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۵٬۶۲۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق هزینه‌ای ندارد.
GPT Audio چند توکن ورودی می‌گیرد؟
تا ۱۲۸٬۰۰۰ توکن در هر درخواست؛ برای متن فارسی حدود ۹۶ هزار کلمه. حداکثر طول پاسخ هم ۱۶٬۳۸۴ توکن است.
آیا GPT Audio استریم و tool calling را پشتیبانی می‌کند؟
استریم (stream=true) روی همهٔ مدل‌ها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی می‌کند. خروجی ساخت‌یافته با response_format هم کار می‌کند.