OpenAI 开放 GPT-Live-1.1 语音 API:边听边说,空闲时段计费降 60%
OpenAI 11月19日宣布将 GPT-Live-1.1 开放给 API 开发者。这是一款全双工语音模型,可随时打断;新增待机模式,空闲时段计费从每分钟 0.05 美元降到 0.02 美元。
OpenAI 于 11月19日宣布,将 GPT-Live-1.1(模型 ID:gpt-live-1.1)开放给 API 开发者,开发者从 20 日起可以调用。这款模型从 10 月 15 日起就在为 ChatGPT Plus 和 Pro 用户提供语音功能,初代 GPT-Live-1 于 9 月 10 日发布。它是全双工模型,能一边听一边说,用户可以随时打断。
按 OpenAI 的说法,1.1 版相比初代有四项改进:转写更准确;多语言下口音更自然、更一致;字母、数字等精确细节识别更可靠;指令遵循和任务完成更稳定。开发者通过 POST /v1/live/sessions 创建会话,支持 WebRTC、WebSocket 和 SIP 三种连接方式。要注意的是,它和 Realtime API 是两套接口,原有的 Realtime 集成不能直接换个模型名就用。模型上下文为 128K,支持流式输出和函数调用,但不支持结构化输出和微调,输入输出只有文本和音频。开发者可以在会话配置里用自然语言写明,什么时候把推理或工具调用交给后端模型,例如 Responses 模型、Decisions API 或自建的智能体,交接过程不打断对话。
计费上,新增的待机(Standby)模式最实用。开发者可以设定 5 到 60 秒的空闲超时,超时后模型暂停推理,WebRTC 通话保持连接,计费从每分钟 0.05 美元降到 0.02 美元,降幅 60%,并且按秒计费。待机模式对 GPT-Live-1 和 1.1 都有效,但只适用于 WebRTC 会话,后端模型和工具调用的费用另算。
语音客服、电话前台这类应用,有相当多时间是在等用户开口。按开发者媒体 ToolsDig 的测算,一个工作 8 小时、实际说话时间占 30% 的客服智能体,日费用会从约 24 美元降到约 13.92 美元,省下四成左右。数字识别更准、空闲时更便宜、复杂任务交给后端,这三项加在一起,语音智能体的单位成本明显下降。"语音前台 + 推理后台"的分层架构也值得国内开发者参考,不过需要结构化输出的环节,要放在后端模型里完成。
信息来源:OpenAI 开发者社区
信息来源:ToolsDig / DEV