OpenAI libera GPT-Live-1.1 na API com standby de US$ 0,02 por minuto

A OpenAI anunciou na quinta-feira (19/11) que o GPT-Live-1.1 está disponível na API, com o identificador de modelo gpt-live-1.1 e o endpoint v1/live/sessions. É o mesmo modelo de voz que já move a voz do ChatGPT Plus e Pro desde 15 de outubro — agora ao alcance de desenvolvedores que constroem seus próprios agentes de voz em tempo real.

O que muda em relação ao GPT-Live-1

Segundo a documentação oficial, o 1.1 transcreve a fala com mais precisão, mantém sotaque e voz mais consistentes entre idiomas, capta melhor letras e números exatos e conclui tarefas com mais confiabilidade. A delegação também ficou mais simples: em vez de marcadores especiais, o desenvolvedor descreve em linguagem natural quando o modelo deve passar o raciocínio ou o uso de ferramentas para um modelo de backend. A OpenAI não divulgou números de benchmark para esses ganhos, então eles devem ser lidos como afirmações da fornecedora até uma medição independente.

Standby: o silêncio fica 60% mais barato

A grande novidade prática é o standby, um novo estado de cobrança para sessões WebRTC do GPT-Live-1 e do GPT-Live-1.1. O desenvolvedor define um tempo de ociosidade de 5 a 60 segundos sem transcrição (idle_timeout_s); passado esse tempo, a inferência é pausada e a sessão passa a custar US$ 0,02 por minuto, contra US$ 0,05 por minuto no estado ativo — 60% a menos. A conexão WebRTC, o ID da sessão e o histórico da conversa são mantidos, e a sessão volta ao estado ativo assim que alguém fala (wake_policy do tipo speech). A cobrança é por segundo, sem arredondamento para o minuto cheio, e o uso do modelo de backend e das ferramentas é cobrado à parte.

Como funciona a arquitetura

O GPT-Live-1.1 é um modelo full-duplex: ele escuta enquanto fala, então o interlocutor pode interromper no meio da frase. O modelo cuida da conversa, enquanto o raciocínio pesado e as chamadas de ferramentas vão para um modelo de backend escolhido pelo desenvolvedor, via delegação. A janela de contexto padrão é de 128 mil tokens, com streaming e function calling suportados; saídas estruturadas, fine-tuning e predicted outputs não são suportados. O GPT-Live-1 e o 1.1 têm limites separados de sessões simultâneas, e a troca de modelo exige uma nova sessão. Para quem já roda o GPT-Live-1, a migração é basicamente trocar o nome do modelo na configuração da sessão.

Imagem: microfone condensador Neumann U87 em estúdio (foto: Will Fisher, CC BY-SA 2.0, via Wikimedia Commons; imagem ilustrativa).

Fontes

Cobertura anterior do 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

Nota de transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet, e revisada antes da publicação. Consulte as fontes originais para confirmar as informações.

Por Muse