واجهة برمجة تطبيقات الصوت OpenAI: الميزات والأسعار وكيفية استخدامها

دليل واجهة برمجة التطبيقات الصوتية · تم التحديث في 29 سبتمبر 2026

هل تريد تحويل تسجيل صوتي إلى نص، أو إضافة تعليق صوتي إلى مقطع فيديو، أو تمكين العملاء من التحدث إلى مساعد يعمل بالذكاء الاصطناعي؟ فإن واجهة برمجة التطبيقات الصوتية OpenAI يوفر للمطورين عدة طرق للتعامل مع الكلام، لكن كل مهمة تستخدم نموذجًا وطلبًا ووحدة فوترة مختلفة.

ابدأ بالمهمة التي ترغب في إنجازها. ستجد أدناه النقاط النهائية الرئيسية، وخيارات النماذج الحالية، وأمثلة بلغة بايثون، وحسابات الأسعار. إذا كانت تطبيقك يحتاج أيضًا إلى أصوات من مزودين آخرين، أو نماذج دردشة، أو صور، أو مقاطع فيديو، فإن واجهة برمجة التطبيقات GlobalGPT يقدم مسارًا بديلاً: نقطة دخول واحدة لواجهة برمجة التطبيقات (API) تتضمن مهام صوتية إلى جانب تلك الخدمات.

ما هي واجهة برمجة التطبيقات الصوتية OpenAI؟

تعد واجهة برمجة التطبيقات الصوتية OpenAI مجموعة من واجهات المطورين المخصصة لمعالجة الصوت وتوليد الكلام. يقوم تطبيقك بإرسال نص أو مقطع صوتي إلى OpenAI، واختيار نموذج، ثم يتلقى في المقابل مقطعًا صوتيًا أو نصًا منطوقًا. ويمكن أن تدعم هذه الواجهة تطبيقًا للنسخ الصوتي، أو مقالات مصحوبة بتعليق صوتي، أو أداة للترجمة المصاحبة، أو المراحل الصوتية لمساعد رقمي أكبر حجمًا.

OpenAI مرجع واجهة برمجة التطبيقات الصوتية يفصل بين توليد الكلام، والنسخ، والترجمة. وهذه عناصر أساسية مفيدة: حيث يُنتج النسخ الكلمات من التسجيل؛ ويمكن لنموذج نصي منفصل تحويل تلك الكلمات إلى ملخص، ويمكن لنموذج الكلام قراءة الملخص بصوت عالٍ.

ChatGPT هو تطبيق يمكنك استخدامه مباشرةً؛ وتتيح لك واجهة برمجة التطبيقات (API) إضافة نماذج إلى تطبيقك الخاص. إذا كنت ترغب فقط في التفاعل مع ChatGPT، فابدأ بـ ChatGPT الوصول الصوتي والحدود. يتطلب كل مشروع واجهة برمجة التطبيقات (API) ميزانية خاصة به للإعداد والاستخدام.

ما هي نقطة النهاية الصوتية والطراز اللذين ينبغي عليك استخدامهما؟

اختر النوع الذي يتناسب مع احتياجات تطبيقك. فملف التسميات التوضيحية، والنص المكتوب مع تسميات المتحدثين، والمحادثة الحية، كلها مخرجات مختلفة، حتى وإن كانت الثلاثة تبدأ بكلام شخص ما.

التيار دليل نسخ الملفات توصي gpt-transcribe بالنسبة للتسجيلات العادية. أما بالنسبة لنص البودكاست، فابدأ من هناك. إذا كنت بحاجة إلى طوابع زمنية للكلمات أو تنسيقات للترجمة، فتحقق من الخيارات الخاصة بكل نموذج قبل اختيار النموذج؛ حيث يختلف الدعم من نموذج لآخر.

يختلف البث المباشر للكلام عن المحادثة الحية

يبدأ بث "تحويل النص إلى كلام" في تشغيل الرد قبل اكتمال إنشاء الملف الصوتي بالكامل. ولا يتيح هذا، في حد ذاته، لتطبيقك الاستماع إلى مقاطعة المستخدم أو إدارة مكالمة جارية. وبالمثل، فإن بث نص من ملف مكتمل لا يؤدي إلى إنشاء جلسة ميكروفون مباشرة.

بالنسبة لتطبيق صوتي تفاعلي جديد، فإن OpenAI’s الصوت والدليل الصوتي يشير إلى GPT-Live. حيث يتولى نموذج الصوت الخاص به إدارة المحادثة، بينما يقوم وكيل الخلفية بإجراء الأبحاث أو استخدام الأدوات. وتظل واجهة برمجة التطبيقات (API) في الوقت الفعلي خيارًا منفصلاً عندما تحتاج إلى نموذج الجلسة والأدوات الخاص بها.

كيفية استخدام واجهة برمجة التطبيقات الصوتية OpenAI

بالنسبة للأمثلة الواردة أدناه، قم بإنشاء مشروع واجهة برمجة تطبيقات (API) بنموذج OpenAI، وقم بتكوين إعدادات الفوترة الخاصة بواجهة برمجة التطبيقات (API)، واحتفظ بمفتاحك في OPENAI_API_KEY متغير بيئة على الخادم الخاص بك أو جهاز التطوير المحلي. قم بتثبيت حزمة SDK الخاصة بـ Python باستخدام pip install openai. لا تضع مفتاح API دائمًا في صفحة ويب عامة أو حزمة تطبيق جوال.

ابدأ بملف أو برنامج نصي قصير حتى تتمكن من فحص الاستجابة قبل إضافة الطلب إلى تطبيقك.

1. نسخ تسجيل صوتي

حفظ التسجيل باسم الاجتماع.mp3, ، ثم قم بتشغيل هذا البرنامج النصي من نفس المجلد. النتيجة التي يتم إرجاعها نص إنه النص الكامل للمحضر، وليس ملخصًا للاجتماع أو قائمة بالمهام المطلوب تنفيذها.

from openai import OpenAI

client = OpenAI()

باستخدام open("meeting.mp3", "rb") كملف صوتي:
    transcript = client.audio.transcriptions.create(
    model="gpt-transcribe",
    file=audio_file,
    )

print(transcript.text)

بالنسبة لأسماء المنتجات أو المصطلحات الخاصة بالصناعة، يرجى تقديم السياق ذي الصلة بدلاً من توقع أن يخمن النموذج طريقة التهجئة. يدعم دليل النسخ الحالي موجه, ، بالإضافة إلى تلميحات خاصة بالنموذج تتعلق بالكلمات المفتاحية واللغة. اختبر هذه الخيارات على عينة قصيرة من التسجيلات التي يتعامل معها تطبيقك فعليًّا.

إذا كان المصدر عبارة عن تسجيل تجريبي أو مقطع فيديو لمقابلة، فإن دليلنا الخاص بـ نسخ النص الصوتي من مقطع فيديو يشرح كيفية إعداد المواد الإعلامية والخطوات التي تسبق الحصول على النص الكامل وصولاً إلى إنتاج ملخص مفيد.

2. تحويل نص إلى مقطع صوتي

اختر صوتًا مدعومًا ووصف طريقة التشغيل. في هذا المثال، يتم كتابة ملف MP3 على جهازك؛ ولا يتم تشغيل الملف تلقائيًا.

from pathlib import Path
from openai import OpenAI

client = OpenAI()

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="ملخص اجتماعك جاهز. إليك الخطوات التالية.",
    instructions="استخدم نبرة هادئة وواضحة ووتيرة متزنة.",
) as response:
    response.stream_to_file(Path("narration.mp3"))

إن دليل تحويل النص إلى كلام ضوابط للوثائق تتعلق بالنبرة والسرعة والإنطاك وخيارات الأداء الأخرى. تنسيق MP3 هو تنسيق الإخراج الافتراضي؛ وتشمل التنسيقات الأخرى المدعومة WAV وPCM وOpus وAAC وFLAC. تعتمد خيارات الصوت على الطراز. كما يتطلب الطراز OpenAI الإفصاح بوضوح عن أن الصوت مُنتج بواسطة الذكاء الاصطناعي.

بالنسبة للتعليق الصوتي العرضي، قد تفضل استخدام أداة متصفح بدلاً من كتابة التعليمات البرمجية. دليلنا حول أدوات تحويل النص إلى كلام وسير العمل تغطي هذه المسارات، بما في ذلك ما يجب التحقق منه قبل تصدير التعليق الصوتي.

3. ترجمة الكلام المسجل إلى نص باللغة الإنجليزية

تستخدم نقطة نهاية الترجمة whisper-1 ويُخرج نصًا باللغة الإنجليزية. بالنسبة للتكامل الحالي، يبدو الطلب على النحو التالي. يجب أخذ تاريخ التقاعد في فبراير 2027 في الاعتبار قبل إنشاء تبعية طويلة الأجل جديدة تعتمد عليه.

from openai import OpenAI

client = OpenAI()

باستخدام open("interview.mp3", "rb") كملف_صوتي:
    ترجمة = client.audio.translations.create(
    model="whisper-1",
    file=ملف_صوتي,
    )

print(ترجمة.text)

لا ينتج عن هذا الطلب صوت مدبلج باللغة الإنجليزية. يتطلب الدبلجة خطوات إضافية، بما في ذلك توليد الكلام، و—حسب المشروع—مزامنة التوقيت والفيديو. للترجمة إلى لغة مستهدفة مختلفة، استخدم أسلوب ترجمة يدعم تلك اللغة بشكل صريح.

كم تبلغ تكلفة واجهة برمجة التطبيقات الصوتية OpenAI؟

لا يوجد سعر موحد لواجهة برمجة التطبيقات الصوتية (API). حيث تُستخدم وحدات فوترة مختلفة لخدمات تحويل الملفات إلى نص، وتوليد الكلام، والجلسات المباشرة. الأرقام الواردة أدناه مأخوذة من أسعار واجهة برمجة التطبيقات (API) لـ OpenAI, ، تم التحقق من ذلك في 29 سبتمبر 2026. وهي رسوم من نوع OpenAI، وهي منفصلة عن أسعار GlobalGPT.

تستخدم صفوف النسخ البيانات المنشورة من OpenAI التكلفة التقديرية الأرقام. يُعد مثال الرمز «TTS» توضيحًا حسابيًا يستند إلى مجموعين محددين للاستخدام؛ وهو لا يمثل تنبؤًا بأن البرنامج النصي سيُنتج أعدادًا متساوية من الرموز في المدخلات والمخرجات. فالأحرف والرموز النصية والرموز الصوتية هي وحدات مختلفة.

لتقدير تكلفة مشروع حقيقي، يجب احتساب العمل الذي يتبع عملية النسخ أيضًا. فقد يحتاج مساعد الاجتماعات إلى نسخة مكتوبة، وملخص، وقائمة الإجراءات المطلوبة، وتسجيل صوتي للمحادثة. وقد تسهم كل مكالمة نموذجية في رفع الفاتورة. كما قد يستخدم وكيل الخدمة الصوتية أدوات البحث أو أدوات أخرى أثناء استمرار المحادثة.

بالنسبة لـ GPT-Live على وجه التحديد، فإن صفحة أسعار النماذج يفصل مدة الجلسة عن رسوم نموذج الخلفية والأدوات. فالمكالمة التي تستغرق ساعة واحدة وتكلف $3 للجلسة الصوتية لا تعني بالضرورة أن التكلفة الإجمالية للتطبيق تبلغ $3.

كما تتوفر في GlobalGPT واجهة برمجة تطبيقات (API) للصوت والدردشة والصور والفيديو

إذا كان الصوت جزءًا من منتج أوسع نطاقًا، فإن GlobalGPT يقدم خيارًا مفيدًا. فهو نظرة عامة على واجهة برمجة التطبيقات (API) يوفر نقطة دخول مشتركة لفئات متعددة من النماذج: تستخدم طلبات الدردشة /v1/المحادثة/الإكمال أو /v1/ردود, ، في حين أن إنتاج الصور والفيديو والصوت يستخدم /v1/المهام.

على سبيل المثال، قد يقوم تطبيق محتوى بصياغة نص باستخدام نموذج دردشة، وإنشاء مسار تعليقي صوتي، وتوليد رسم توضيحي، وإنتاج مقطع فيديو قصير. عندما إنشاء سير عمل متعدد النماذج, ، حدد مهمة واضحة لكل نموذج وقم بتمرير النتائج التي تمت مراجعتها بين الخطوات.

جمهور GlobalGPT كتالوج نماذج الصوت يتضمن Eleven v3 وEleven Multilingual v2 وQwen Audio 3.0 وSeed Audio 1.0 للإبداع في مجال الكلام، بالإضافة إلى Scribe وAI Note Taker لمهام النسخ الصوتي. راجع كتالوج واجهة برمجة التطبيقات (API) الخاص بالحساب لمعرفة النماذج المحددة المتاحة للتكامل الخاص بك.

بالنسبة للنصوص الأطول، فإن مراجعة برنامج «Eleven Multilingual v2» يناقش السرد، ودعم اللغة، وكيف يختلف هذا النموذج عن نماذج ElevenLabs الأخرى.

للحصول على مقاطع صوتية إبداعية تتضمن كلامًا وأصواتًا محيطة،, دليل الصوت والمؤثرات الصوتية من Seed Audio يستكشف نطاقًا أوسع من مجرد قراءة النص بصوت عالٍ. اختر وفقًا لنوع المقطع الصوتي الذي تريد تقديمه.

كيف تبدأ في استخدام واجهة برمجة التطبيقات GlobalGPT

1. افتح منطقة واجهة برمجة التطبيقات (API) لـ GlobalGPT وأنشئ مفتاحًا ضمن واجهة برمجة التطبيقات (API) → مفاتيح API → إنشاء مفتاح. احفظه بأمان عند ظهوره.
2. اقرأ كتالوج الطرازات للعثور على معرّف الطراز والسعر الخاصين بالمهمة التي تحتاجها.
3. استخدم المعلمات الموثقة للطراز المحدد. اتبع تنسيق طلب المهمة الصوتية الخاص بـ /v1/المهام, ، بدلاً من لصق OpenAI /صوت/خطاب الحمولة لم تتغير.
4. ابدأ بعينة قصيرة. تحقق من الصوت الناتج وحالة الإنجاز والاستخدام المفوَّر عليه قبل معالجة دفعة أكبر.

عنوان URL الأساسي لواجهة برمجة التطبيقات (API) الموثق هو https://api2.glbgpt.com/ai-api/open/v1. يُعد طلب الكتالوج للقراءة فقط هذا نقطة انطلاق بعد تخزين مفتاحك في GLOBALGPT_API_KEY:

curl "https://api2.glbgpt.com/ai-api/open/v1/models" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY"

استخدم السعر المرتبط بالنموذج الذي تختاره فعليًّا. فسعر اشتراك موقع الويب GlobalGPT، ورصيد الائتمان، وسعر الدقيقة OpenAI، ليست تقديرات قابلة للتبادل لنفس الطلب.

الأخطاء الشائعة في واجهة برمجة تطبيقات الصوت (API) وكيفية تجنبها

قبل اتخاذ قرار بشأن جودة الصوت، اختبر عينة قصيرة تتضمن المفردات التي تستخدمها فعليًّا: أسماء المنتجات، والأرقام، والاختصارات، واللغات التي يتحدث بها المستخدمون. بالنسبة للنسخ النصي، تحقق من الكلمات وتوزيع الأدوار بين المتحدثين. أما بالنسبة للتعليق الصوتي، فاستمع إلى النطق، وفترات التوقف، وسرعة الكلام، وما إذا كانت النبرة المقصودة تحافظ على طابعها خلال فقرة أطول.

استخدم التسجيلات التي لديك إذن بمعالجتها، واحتفظ بالمفاتيح على خادم موثوق به، وراجع شروط استخدام البيانات الخاصة بالخدمة التي تتلقى ملفاتك الصوتية. بالنسبة للمنتجات الموجهة للعملاء، اجعل الإفصاحات المتعلقة بالتسجيلات والأصوات التي تم إنشاؤها بواسطة الذكاء الاصطناعي جزءًا من الواجهة.

ما هو مسار واجهة برمجة التطبيقات (API) الذي ينبغي عليك اختياره؟

اختر OpenAI مباشرةً عندما يحتاج تطبيقك إلى نموذج صوتي محدد من نوع OpenAI، أو خيار تحويل نصي موثق، أو جلسة صوتية مباشرة أصلية. ابدأ بالنموذج المناسب للمهمة، وصمم التطبيق وفقًا لقواعد الطلب والفوترة الفعلية الخاصة به.

لنأخذ GlobalGPT كمثال عندما يجمع منتجك بين الصوت ونماذج من عدة مزودين، أو عندما ترغب في استكشاف إمكانية توليد الصوت إلى جانب الدردشة والصور والفيديو. ابدأ بالاطلاع على كتالوج واجهات برمجة التطبيقات (API)، واختر نموذجًا متاحًا، واختبر مهمة بسيطة قبل التوسع.

تتطلب الموسيقى والسرد والنسخ اختيار نماذج مختلفة. مقارنةنا بشأن اختيار نموذج صوتي حسب المهمة يساعد في الفصل بين الأغاني والشرح الصوتي والمشاهد الصوتية الأكثر تعقيدًا.

بالنسبة لتسجيل صوتي واحد أو نص محضر اجتماع، قد تكون أداة الويب كافية. وتصبح واجهة برمجة التطبيقات (API) مفيدة عندما يتعين على تطبيقك تشغيل المهمة بشكل متكرر، أو تمرير النتائج إلى خطوة أخرى، أو تقديم النتيجة لمستخدميك.

الأسئلة الشائعة

هل واجهة برمجة التطبيقات الصوتية OpenAI تمثل نموذجًا واحدًا؟

لا. إنها مجموعة من واجهات الصوت. حيث يستخدم كل من توليد الكلام، ونسخ الملفات، وترجمة الملفات نقاط نهاية وخيارات نماذج مختلفة. ويضيف كل من GPT-Live وRealtime خيارات منفصلة قائمة على الجلسات لتطبيقات الصوت المباشر.

هل يمكن لواجهة برمجة التطبيقات الصوتية OpenAI تحويل النص إلى كلام؟

نعم. تقبل نقطة نهاية الكلام النص والنموذج والصوت، ثم تُرجع ملفًا صوتيًّا. باستخدام gpt-4o-mini-tts، يمكنك أيضًا تقديم تعليمات بشأن طريقة الإلقاء، مثل نبرة الصوت وسرعة الإلقاء. MP3 هو تنسيق الإخراج الافتراضي.

ما النموذج الذي ينبغي أن أستخدمه لتطبيق جديد خاص بالنسخ الصوتي؟

يوصي دليل النسخ الحالي لملفات OpenAI باستخدام gpt-transcribe للنصوص الصوتية المسجلة العامة. يرجى التحقق بشكل منفصل من المتطلبات المتخصصة مثل الطوابع الزمنية للكلمات، أو تنسيقات الترجمة، أو تسميات المتحدثين، لأن الدعم يختلف باختلاف النموذج.

هل سيتم إيقاف خدمة «Whisper»؟

أعلنت شركة OpenAI عن إيقاف نموذج واجهة برمجة التطبيقات (API) «Whisper-1» الذي تستضيفه اعتبارًا من 26 فبراير 2027، إلى جانب ثلاثة نماذج قديمة أخرى للنسخ الصوتي تابعة لشركة GPT-4o. ويُشير هذا الإعلان إلى إيقاف نموذج واجهة برمجة التطبيقات (API) فقط، ولا يعني إيقاف تشغيل جميع برامج «Whisper» أو جميع خدمات الصوت التي تقدمها شركة OpenAI.

هل تُنتج ميزة ترجمة الصوت مقطعًا صوتيًا منطوقًا؟

لا. تُرجع نقطة نهاية ترجمة الملف نصًا باللغة الإنجليزية من الكلام المسجل. ولإنتاج كلام مترجم، تحتاج إلى خطوة إضافية لتوليد الكلام أو خدمة مخصصة لترجمة الكلام.

هل يمكنني استخدام واجهة برمجة تطبيقات الصوت (Audio API) لمساعد صوتي مباشر؟

يمكنك دمج ميزة النسخ النصي ونموذج نصي وتوليد الكلام في مساعد صوتي، لكن معالجة الأدوار في المحادثة المباشرة تتطلب تصميمًا إضافيًا. توصي OpenAI باستخدام GPT-Live كنقطة انطلاق لتطبيقات الصوت التخاطبية الجديدة؛ كما توثق واجهة برمجة تطبيقات (API) منفصلة للعمل في الوقت الفعلي.

هل تتوفر واجهة برمجة تطبيقات (API) للصوت في GlobalGPT؟

نعم. توضح وثائق النظرة العامة على واجهة برمجة التطبيقات (API) لـ GlobalGPT كيفية إنشاء الملفات الصوتية من خلال نقطة نهاية «المهام» (tasks)، إلى جانب إنشاء الصور ومقاطع الفيديو. وتُدرج نقطة نهاية «النماذج» (models) معرّفات النماذج وأسعارها. يرجى التحقق من توفر النموذج المختار ومعلماته قبل إرسال الطلب.

هل واجهة برمجة التطبيقات (API) الخاصة بالصوت في طراز GlobalGPT مطابقة لتلك الموجودة في طراز OpenAI؟

وهي توثق مسارات صوتية مختلفة: يوفر OpenAI نقاط نهاية صوتية مخصصة، بينما يوجه GlobalGPT عملية توليد الصوت عبر واجهة برمجة تطبيقات المهام الخاصة به. استخدم معرّفات النماذج وحقول الطلب الخاصة بالمزود المحدد؛ ويجب التحقق بشكل منفصل من توافق نقطة النهاية OpenAI ودعم الصوت المباشر.