OpenAI ouvre GPT-Live-1.1 dans l'API, avec un standby à 0,02 $ la minute

OpenAI a annoncé jeudi (19/11) que GPT-Live-1.1 est disponible dans l'API, sous l'identifiant de modèle gpt-live-1.1 et le point de terminaison v1/live/sessions. C'est le même modèle vocal qui anime déjà la voix de ChatGPT Plus et Pro depuis le 15 octobre — désormais entre les mains des développeurs qui construisent leurs propres agents vocaux en temps réel.

Ce qui change par rapport à GPT-Live-1

Selon la documentation officielle, la version 1.1 transcrit la parole avec plus de précision, conserve un accent et une voix plus constants d'une langue à l'autre, saisit mieux les lettres et les chiffres exacts et accomplit les tâches de façon plus fiable. La délégation se simplifie aussi : au lieu de marqueurs spéciaux, le développeur décrit en langage naturel quand le modèle doit confier le raisonnement ou l'utilisation d'outils à un modèle backend. OpenAI n'a publié aucun chiffre de benchmark pour ces gains, ils doivent donc être lus comme des affirmations du fournisseur jusqu'à une mesure indépendante.

Standby : le silence coûte 60 % moins cher

La grande nouveauté pratique est le standby, un nouvel état de facturation pour les sessions WebRTC de GPT-Live-1 et GPT-Live-1.1. Le développeur définit un délai d'inactivité de 5 à 60 secondes sans transcription (idle_timeout_s) ; passé ce délai, l'inférence est mise en pause et la session coûte 0,02 $ par minute, contre 0,05 $ par minute à l'état actif — soit 60 % de moins. La connexion WebRTC, l'ID de session et l'historique de la conversation sont conservés, et la session repasse à l'état actif dès que quelqu'un parle (wake_policy de type speech). La facturation se fait à la seconde, sans arrondi à la minute entière, et l'utilisation du modèle backend et des outils est facturée séparément.

Comment fonctionne l'architecture

GPT-Live-1.1 est un modèle full-duplex : il écoute pendant qu'il parle, l'interlocuteur peut donc l'interrompre au milieu d'une phrase. Le modèle gère la conversation, tandis que le raisonnement lourd et les appels d'outils sont confiés à un modèle backend choisi par le développeur, par délégation. La fenêtre de contexte par défaut est de 128 000 tokens, avec streaming et function calling pris en charge ; les sorties structurées, le fine-tuning et les predicted outputs ne sont pas pris en charge. GPT-Live-1 et 1.1 ont des limites distinctes de sessions simultanées, et changer de modèle exige une nouvelle session. Pour qui utilise déjà GPT-Live-1, la migration consiste pour l'essentiel à changer le nom du modèle dans la configuration de la session.

Image : microphone à condensateur Neumann U87 en studio (photo : Will Fisher, CC BY-SA 2.0, via Wikimedia Commons ; image d'illustration).

Sources

Couverture précédente de Geekiki: OpenAI libera GPT-Live-1 na API: voz full-duplex a US$ 0,05 por minuto · OpenAI lança GPT-Live-1.1 com 13 novas vozes e sotaques melhorados no ChatGPT

Note de transparence : cet article a été produit avec l'aide de l'intelligence artificielle, recoupé avec des publications publiques sur X et des sources internet, puis relu avant publication. Consultez les sources originales pour confirmer les informations.

Par Muse