Hướng dẫn API GPT-4o: Bắt đầu với API của OpenAI

GPT-4o của OpenAI tích hợp khả năng âm thanh, thị giác và văn bản trong một mô hình ngôn ngữ mạnh mẽ duy nhất.

Đây là một bước tiến lớn hướng tới tương tác người–máy tự nhiên và trực quan hơn.

Trong hướng dẫn này, tôi sẽ cung cấp chỉ dẫn từng bước về cách sử dụng GPT-4o thông qua OpenAI API.

Mặc dù OpenAI gần đây đã phát hành mô hình o3—mô hình suy luận mạnh nhất của họ—GPT-4o và GPT-4o mini vẫn là lựa chọn tốt nhất cho các ứng dụng cần phản hồi nhanh, xử lý hình ảnh hoặc gọi hàm. Nếu dự án của bạn đòi hỏi suy luận nâng cao, hãy xem hướng dẫn OpenAI O1 API này, hướng dẫn bạn quy trình sử dụng mô hình suy luận qua API.

GPT-4o là gì?

GPT-4o, viết tắt của "omni", là một bước tiến quan trọng trong AI. Khác với GPT-4 chỉ xử lý văn bản, GPT-4o là mô hình đa phương thức có thể xử lý và tạo dữ liệu văn bản, âm thanh và hình ảnh.

Bằng cách kết hợp dữ liệu âm thanh và hình ảnh cùng với văn bản, GPT-4o vượt ra khỏi giới hạn của các mô hình chỉ dùng văn bản truyền thống, tạo nên tương tác tự nhiên và trực quan hơn.

GPT-4o có thời gian phản hồi nhanh hơn, rẻ hơn 50% so với GPT-4 Turbo, và hiểu âm thanh cùng thị giác tốt hơn các mô hình hiện có.

Nếu bạn muốn có cái nhìn chi tiết hơn về GPT-4o, hãy xem bài viết GPT-4o của OpenAI là gì.

Các trường hợp sử dụng GPT-4o

Ngoài việc tương tác với GPT-4o qua giao diện ChatGPT, nhà phát triển có thể tương tác với GPT-4o thông qua OpenAI API, cho phép tích hợp khả năng của GPT-4o vào ứng dụng và hệ thống của họ.

API GPT-4o mở ra rất nhiều trường hợp sử dụng tiềm năng nhờ khả năng đa phương thức:

API GPT-4o: Cách kết nối với API của OpenAI

Giờ hãy khám phá cách sử dụng GPT-4o thông qua OpenAI API.

Bước 1: Tạo khóa API

Trước khi dùng API GPT-4o, chúng ta cần đăng ký tài khoản OpenAI và lấy khóa API. Có thể tạo tài khoản tại trang web OpenAI API.

Sau khi có tài khoản, chúng ta có thể truy cập trang khóa API:

Bây giờ chúng ta có thể tạo một khóa API. Cần giữ an toàn vì bạn sẽ không thể xem lại nó. Tuy nhiên, bạn luôn có thể tạo khóa mới nếu mất hoặc cần cho dự án khác.

Bước 2: Nhập OpenAI API vào Python

Để tương tác với GPT-4o bằng lập trình, chúng ta cần cài thư viện OpenAI cho Python. Có thể thực hiện bằng cách chạy lệnh sau:

Sau khi cài đặt, chúng ta có thể nhập các mô-đun cần thiết vào script Python:

from openai import OpenAI

Bước 3: Gọi API

Trước khi gửi yêu cầu API, chúng ta cần xác thực bằng khóa API của mình:

# Set the API keyclient = OpenAI(api_key="your_api_key_here")

Thay "your_api_key_here" bằng khóa API thực của bạn.

Sau khi thiết lập kết nối client, chúng ta có thể bắt đầu tạo văn bản bằng GPT-4o:

MODEL = "gpt-4o"completion = client.chat.completions.create(    model=MODEL,    messages=[        {"role": "system", "content": "You are a helpful assistant that helps me with my math homework!"},        {"role": "user", "content": "Hello! Could you solve 20 x 5?"}    ])print("Assistant: " + completion.choices[0].message.content)

Đoạn mã này sử dụng API chat completions với mô hình GPT-4o, nhận các câu hỏi liên quan đến toán học làm đầu vào và tạo phản hồi:

API GPT-4o: Các tình huống dùng cho âm thanh

Chuyển âm thanh thành văn bản và tóm tắt đã trở thành công cụ thiết yếu trong nhiều ứng dụng, từ cải thiện khả năng tiếp cận đến nâng cao năng suất. Với GPT-4o API, chúng ta có thể xử lý hiệu quả các tác vụ như phiên âm và tóm tắt nội dung âm thanh.

Dù GPT-4o có tiềm năng xử lý âm thanh trực tiếp, tính năng nhập âm thanh trực tiếp hiện chưa có qua API. Tạm thời, chúng ta có thể dùng quy trình hai bước với GPT-4o API để phiên âm rồi tóm tắt nội dung âm thanh.

Bước 1: Phiên âm âm thanh thành văn bản

Để phiên âm tệp âm thanh bằng GPT-4o, chúng ta phải cung cấp dữ liệu âm thanh cho API. Ví dụ như sau:

# Transcribe the audioaudio_path = "path/to/audio.mp3"transcription = client.audio.transcriptions.create(    model="whisper-1",    file=open(audio_path, "rb"),)

Thay "path/to/audio.mp3" bằng đường dẫn thực tới tệp âm thanh của bạn. Ví dụ này dùng mô hình whisper-1 để phiên âm.

Bước 2: Tóm tắt văn bản phiên âm

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": """You are generating a transcript summary. Create a summary of the provided transcription. Respond in Markdown."""        },        {            "role": "user",            "content": [                {"type": "text", "text": f"The audio transcription is: {transcription.text}"}            ],        }    ],    temperature=0,)print(response.choices[0].message.content)

API GPT-4o: Các tình huống dùng cho thị giác

Phân tích dữ liệu trực quan rất quan trọng trong nhiều lĩnh vực, từ y tế đến an ninh và hơn thế nữa. Với GPT-4o API, bạn có thể phân tích hình ảnh mượt mà, trò chuyện về nội dung trực quan và trích xuất thông tin giá trị từ hình ảnh.

Bước 1: Thêm dữ liệu hình ảnh vào API

Để phân tích một hình ảnh bằng GPT-4o, trước tiên chúng ta phải cung cấp dữ liệu hình ảnh cho API. Có thể thực hiện bằng cách mã hóa ảnh cục bộ thành chuỗi base64 hoặc cung cấp URL tới ảnh trực tuyến:

import base64IMAGE_PATH = "image_path"# Open the image file and encode it as a base64 stringdef encode_image(image_path):    with open(image_path, "rb") as image_file:        return base64.b64encode(image_file.read()).decode("utf-8")base64_image = encode_image(IMAGE_PATH)

 "url": "<https://images.saymedia-content.com/.image/c_limit%2Ccs_srgb%2Cq_auto:eco%2Cw_538/MTczOTQ5NDQyMzQ3NTc0NTc5/compound-shapes-how-to-find-the-area-of-a-l-shape.webp>"

Bước 2: Phân tích dữ liệu hình ảnh

Sau khi xử lý đầu vào hình ảnh, chúng ta có thể gửi dữ liệu hình ảnh tới API để phân tích.

Hãy thử phân tích một hình để xác định diện tích. Trước hết, dùng hình dưới đây:

Giờ chúng ta sẽ yêu cầu GPT-4o tính diện tích của hình này—lưu ý rằng chúng ta dùng đầu vào ảnh base64 bên dưới:

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": "You are a helpful assistant that responds in Markdown. Help me with my math homework!"        },        {            "role": "user",            "content": [                {"type": "text", "text": "What's the area of the shape in this image?"},                {                    "type": "image_url",                    "image_url": {                        "url": f"data:image/png;base64,{base64_image}"                    }                }            ]        }    ],    temperature=0.0,)print(response.choices[0].message.content)

Bây giờ hãy xem xét hình này:

Chúng ta sẽ truyền URL ảnh cho GPT-4o để tìm diện tích của hình:

response = client.chat.completions.create(    model=MODEL,    messages=[        {            "role": "system",            "content": "You are a helpful assistant that responds in Markdown. Help me with my math homework!"        },        {            "role": "user",            "content": [                {"type": "text", "text": "What's the area of the shape in the image?"},                {                    "type": "image_url",                    "image_url": {                        "url": "https://images.saymedia-content.com/.image/c_limit%2Ccs_srgb%2Cq_auto:eco%2Cw_538/MTczOTQ5NDQyMzQ3NTc0NTc5/compound-shapes-how-to-find-the-area-of-a-l-shape.webp"                    }                }            ]        }    ],    temperature=0.0,)print(response.choices[0].message.content)

Lưu ý rằng GPT-4o đã đo sai chiều rộng của hình chữ nhật đứng—lẽ ra phải là bốn centimet, không phải hai. Sự sai lệch này xuất phát từ việc nhãn đo không khớp với tỷ lệ thực tế của hình chữ nhật. Điều này một lần nữa nhấn mạnh tầm quan trọng của giám sát và kiểm chứng bởi con người.

Giá của API GPT-4o

Tính đến tháng 7 năm 2025, giá trả theo mức sử dụng cho GPT-4o là:

• Token đầu vào: $5,00 trên mỗi triệu token

• Token đầu vào được lưu đệm: $2,50 trên mỗi triệu token

• Token đầu ra: $20,00 trên mỗi triệu token

GPT-4o Mini: Giải pháp tiết kiệm chi phí

Đối với các ứng dụng cần gọi API với khối lượng lớn, OpenAI cung cấp GPT-4o Mini, phiên bản tinh gọn của GPT-4o:

• Token đầu vào: $0,60 trên mỗi triệu token

• Token đầu vào được lưu đệm: $0,30 trên mỗi triệu token

• Token đầu ra: $2,40 trên mỗi triệu token

Giảm giá với Batch API

Batch API của OpenAI cung cấp mức giảm 50% cho cả chi phí token đầu vào và đầu ra đối với GPT-4o:

• Token đầu vào: $2,50 trên mỗi triệu token

• Token đầu ra: $10,00 trên mỗi triệu token

Điều này lý tưởng cho việc xử lý lượng dữ liệu lớn theo kiểu bất đồng bộ.

API GPT-4o: Các lưu ý chính

Khi làm việc với GPT-4o API, điều quan trọng là ghi nhớ một vài điểm then chốt để đảm bảo hiệu năng tối ưu, tiết kiệm chi phí và phù hợp với từng trường hợp sử dụng cụ thể. Dưới đây là ba yếu tố quan trọng:

Giá và quản lý chi phí

OpenAI API hoạt động theo mô hình trả theo mức sử dụng, chi phí phát sinh dựa trên số lượng token được xử lý.

Mặc dù GPT-4o rẻ hơn GPT-4 Turbo, việc lập kế hoạch sử dụng phù hợp vẫn rất quan trọng để ước tính và quản lý chi phí.

Để giảm chi phí, bạn có thể cân nhắc các kỹ thuật như gom lô (batching) và tối ưu prompt để giảm số lần gọi API và số token xử lý.

Độ trễ và hiệu năng

Dù GPT-4o có hiệu năng ấn tượng và độ trễ thấp, nó vẫn là mô hình ngôn ngữ lớn, nghĩa là xử lý yêu cầu có thể tốn tài nguyên tính toán, dẫn tới độ trễ tương đối cao.

Chúng ta cần tối ưu mã và sử dụng các kỹ thuật như lưu đệm (caching) và xử lý bất đồng bộ để giảm thiểu vấn đề độ trễ.

Ngoài ra, chúng ta có thể cân nhắc dùng phiên bản dedicated instances của OpenAI hoặc tinh chỉnh mô hình cho trường hợp sử dụng cụ thể, từ đó cải thiện hiệu năng và giảm độ trễ.

Phù hợp với trường hợp sử dụng

GPT-4o là mô hình tổng quát mạnh mẽ với nhiều khả năng, nhưng chúng ta cần đảm bảo trường hợp sử dụng cụ thể phù hợp với thế mạnh của mô hình.

Trước khi chỉ dựa vào GPT-4o, chúng ta phải đánh giá cẩn thận trường hợp sử dụng và cân nhắc liệu khả năng của mô hình có đáp ứng nhu cầu hay không.

Nếu cần, chúng ta có thể tinh chỉnh các mô hình nhỏ hơn hoặc xem xét những mô hình khác có thể phù hợp hơn cho tác vụ cụ thể.

Kết luận

Khả năng đa phương thức của GPT-4o khắc phục hạn chế của các mô hình trước đây vốn gặp khó trong việc tích hợp và xử lý liền mạch các loại dữ liệu khác nhau.

Bằng cách tận dụng GPT-4o API, các nhà phát triển có thể xây dựng giải pháp đổi mới tích hợp mượt mà dữ liệu văn bản, âm thanh và hình ảnh.

Nếu bạn muốn thực hành thêm với GPT-4o, tôi gợi ý buổi code-along về tạo trợ lý AI với GPT-4o. Tương tự, nếu bạn muốn tìm hiểu thêm về làm việc với API, tôi đề xuất các tài nguyên sau:

• Làm việc với OpenAI API
• OpenAI Cookbook
• Cheat Sheet OpenAI API