قیمت و API مدل GPT Audio در ایران
openai/gpt-audio
toolsjsonaudioشارژ 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]
# تابع را خودت اجرا میکنی؛ مدل هیچ دسترسی مستقیمی به دیتابیس ندارد
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. ظرفیت context برابر 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 «میانرده» است — ارزانتر از ۳۲۲ مدل و گرانتر از ۸۴ 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 ۷۲۵٬۳۱۳ تومان و هر ۱ میلیون توکن خروجی ۲٬۹۰۱٬۲۵۰ تومان است؛ خروجی 4 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؛ درخواست ناموفق صفر تومان.
نزدیکترین گزینه با همین قابلیتها از تأمینکنندهٔ دیگر Command R+ (08-2024) است: GPT Audio تقریباً 1 برابر گرانتر از آن تمام میشود و پنجرهٔ context آن 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 ۲۱ درخواست ۱٬۰۰۰ کلمهای روی GPT Audio جا میشود، و هر ۱٬۰۰۰ تومان تقریباً ۲۱۲ کلمه رفتوبرگشت میخرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۳٬۶۲۶٬۵۶۳ تومان میشود. پر کردن کامل پنجرهٔ ۱۲۸٬۰۰۰ توکنی این مدل فقط از سمت ورودی ۹۲٬۸۴۰ 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 4.2 برابر گرانتر از آن درمیآید (۴٬۷۱۵ در برابر ۱٬۱۳۱ تومان).
OpenAI در کاتالوگ ما ۹۵ مدل دارد؛ ارزانترینشان gpt-oss-20b با ۶۰ تومان و گرانترین o1-pro با ۲۸۲٬۸۷۲ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کمتکرار، این مدل logit_bias، logprobs، 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 اندازهٔ context نزدیکترین گزینه از تأمینکنندهٔ دیگر Nova Micro 1.0 با ۱۲۸٬۰۰۰ توکن است.
کجا انتخاب درستی است: چتبات محصول و دستیار داخلی، جایی که تعادل هزینه و کیفیت مهم است، ایجنتهایی که به API و دیتابیس وصل میشوند، استخراج داده با اسکیمای مشخص.
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.
| کار | توکن | هزینه |
|---|---|---|
| یک نوبت گفتگو با تاریخچهٔ متوسط | 1,500 ورودی + 400 خروجی | 2,248 تومان |
| خلاصهکردن سند دهصفحهای | 4,000 ورودی + 600 خروجی | 4,642 تومان |
| دستهبندی هزار ردیف کوتاه | 120,000 ورودی + 20,000 خروجی | 145,063 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 ۷۲۵٬۳۱۳ تومان و هر ۱ میلیون توکن خروجی ۲٬۹۰۱٬۲۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۴٬۷۱۵ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
- 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.