模型定位
GPT-4o Mini TTS 是基於 GPT-4o mini 的文字轉語音模型,可將輸入文字轉換為自然語音。OpenAI 於 2025 年 3 月 20 日發布該模型;對應的固定版本快照為 gpt-4o-mini-tts-2025-03-20。模型別名與固定快照並非同一概念:官方後來將別名指向了更新的快照。(openai.com)
能力與用途
- 可透過文字指令調整語音的口音、情緒、語調、語速和語氣等表達方式,適用於客服語音、創意故事講述和文章朗讀等情境。(openai.com)
- 支援多語言語音生成,包括中文;支援串流音訊輸出。語音目前針對英語進行了最佳化。(developers.openai.com)
- 可透過
v1/audio/speech介面生成音訊,支援 MP3、Opus、AAC、FLAC、WAV 和 PCM 等格式。(developers.openai.com)
限制與狀態
- 模型接收文字輸入並輸出音訊,不支援影像或影片輸入,也不是音訊轉文字模型。模型頁面列出的最大輸入為 2,000 個 token;Speech API 的
input參數另有 4,096 字元上限。(developers.openai.com) - 面向終端使用者使用時,OpenAI 要求明確告知使用者聽到的是 AI 生成的聲音,而非真人聲音。(developers.openai.com)
- 截至 2026 年 11 月 19 日,官方已將該模型及其 2025 年 3 月 20 日快照標記為棄用,計畫於 2027 年 1 月 6 日關閉。官方建議新整合遷移至 Realtime API 的
gpt-realtime-2.1-mini;遷移需要更改 API 工作流程。(developers.openai.com)
價格
截至 2026 年 11 月 19 日,OpenAI 模型頁面列出的 API 價格為美元(USD):輸入文字每 100 萬 token 0.60 美元;輸出音訊每 100 萬 token 12.00 美元。這是模型頁面所列價格,並非針對該 2025 年快照另行公布的獨立報價;該快照的單獨價格未經核實。(developers.openai.com)