OpenAI در بلایندگرام: GPT-4o و Whisper برای پیام‌های صوتی

OpenAI تنها ارائه‌دهندهٔ پیش‌فرض دستیار بلایندگرام است که خود پیام صوتی شما را با Whisper می‌شنود. این‌جا می‌گوییم چه هزینه‌ای دارد و چطور راه می‌افتد.

OpenAI برای کی مناسب است

OpenAI ارائه‌دهنده‌ای پولی است. در platform.openai.com حساب را شارژ می‌کنید و هر درخواست کمی از آن برمی‌دارد. وقتی پیام صوتی بخش بزرگی از تلگرام روزانهٔ شماست، انتخاب درستی است: از میان پنج ارائه‌دهندهٔ پیش‌فرض، فقط همین یکی خود صدا را دریافت می‌کند و با Whisper به متن تبدیل می‌کند، به‌جای تکیه بر مدل گفتار کوچک روی گوشی. برای کسی هم مناسب است که می‌خواهد مدلش فردا همان رفتار امروز را داشته باشد، نه مدل رایگانی که ممکن است محدود یا جایگزین شود. اگر فقط می‌خواهید امکانات هوش مصنوعی را بدون پرداخت بیازمایید، از OpenRouter یا Gemini شروع کنید.

یک نکته را پیش از پرداخت بدانید: سرورهای OpenAI از هر شبکه‌ای در دسترس نیستند. اگر همهٔ درخواست‌ها با پایان زمان برمی‌گردند اما ارائه‌دهندهٔ دیگری پاسخ می‌دهد، مشکل از شبکه است، نه از کلید شما.

اعتبار، نه اشتراک

اشتراک ChatGPT شامل API نمی‌شود. این دو جدا حساب می‌شوند و کلیدی که اعتباری پشتش نیست با پیام پایان سهمیه شکست می‌خورد. بلایندگرام این را پنهان نمی‌کند: وقتی سرویس رد می‌کند، دلیلی که خودش داده زیر پاسخ روی گوشی خوانده می‌شود، پس «اعتباری باقی نمانده» به شما می‌رسد، نه سکوت. پیش از ساختن کلید، در بخش Billing اعتبار اضافه کنید.

مدل‌ها

ردیف مدل دو گزینهٔ آماده دارد: gpt-4o-mini، مدل کوچک‌تر و ارزان‌تر که برای توصیف، خلاصه و پرسش کافی است، و gpt-4o، مدل بزرگ‌تر برای عکس‌های سخت‌تر و متن‌های بلندتر. هر دو تصویر می‌پذیرند، پس هر دو برای توصیف تصویر کار می‌کنند. دریافت فهرست مدل‌ها از ارائه‌دهنده فهرست کامل OpenAI را می‌آورد و مدل دیگر… شناسهٔ تایپ‌شده را می‌پذیرد.

زیر آن‌ها ردیفی هست که با OpenRouter، Claude یا Gemini نمی‌بینید: مدل گفتار، از پیش روی whisper-1. همین ردیف است که OpenAI را در بلایندگرام متفاوت می‌کند.

مدل گفتار چه چیزی را تغییر می‌دهد

با ارائه‌دهنده‌های دیگر، خلاصهٔ پیام صوتی اول صدا را روی گوشی و با مدل گفتار نصب‌شده به متن تبدیل می‌کند و بعد متن را می‌فرستد. آن مدل‌های روی گوشی کوچک‌اند، برای هر زبان یک مدل جدا می‌خواهند و مفهوم گفته‌ها را می‌دهند، نه کلمه‌به‌کلمه. با OpenAI خود صدا به Whisper فرستاده می‌شود که زبان را خودش تشخیص می‌دهد و با گفتار روزمره با کیفیت گوشی بسیار بهتر کنار می‌آید. برای این کار نیازی به نصب مدل گفتار نیست. پرسش از هوش مصنوعی روی پیام صوتی هم همین مسیر را می‌رود و یک درخواست اضافه روی پاسخ حساب می‌شود.

معاوضه روشن است: صدای ضبط‌شدهٔ کسی از گوشی شما بیرون می‌رود و به OpenAI می‌رسد. پیامی که هنگام روشن کردن این امکان یک بار نشان داده می‌شود دقیقاً همین را می‌گوید. آپلود صدای بلند روی اینترنت کند هم زمان می‌برد.

راه‌اندازی

1. در OpenAI Platform وارد شوید، در Billing اعتبار اضافه کنید، سپس API keys را باز کنید و Create new secret key را بزنید. بلافاصله کپی کنید؛ فقط یک بار نشان داده می‌شود.
2. در بلایندگرام به تنظیمات > ناحیه بلایندگرام > دستیار > هوش مصنوعی بروید.
3. روی ارائه‌دهنده بزنید و OpenAI را انتخاب کنید، بعد روی کلید API بزنید و بچسبانید.
4. روی مدل بزنید و gpt-4o-mini یا gpt-4o را برگزینید. مدل گفتار را روی whisper-1 بگذارید.
5. امکانات دلخواه را روشن کنید: توصیف کامل در بخش توصیف تصویر، خلاصه‌سازی با هوش مصنوعی در بخش خلاصهٔ صدا، خلاصه کردن پیام‌ها در بخش خلاصهٔ متن و پرسش از هوش مصنوعی درباره هر پیام در بخش پرسش درباره پیام‌ها.

دو خطایی که ممکن است ببینید

• «You exceeded your current quota»: اعتبار حساب تمام شده است. اشتراک ChatGPT این را درست نمی‌کند؛ فقط اعتبار API.
• «Incorrect API key provided»: چیزی در کپی کردن جا افتاده. کلید تازه‌ای بسازید و دوباره بچسبانید.

پاسخ‌ها هفت روز در گفتگوها روی گوشی می‌مانند و همان صدا یا عکس در این یک هفته دوباره حساب نمی‌شود. راهنمای کامل اتصال بلایندگرام به OpenAI است و راهنمای هوش مصنوعی هر ردیف صفحهٔ هوش مصنوعی را شرح می‌دهد.