OpenAI 于 11 月 19 日星期四宣布,GPT-Live-1.1 已上线 API,模型 ID 为 gpt-live-1.1,端点为 v1/live/sessions。它是自 10 月 15 日起驱动 ChatGPT Plus 与 Pro 语音的同一模型,如今面向开发实时语音智能体的开发者开放。
相比 GPT-Live-1 的变化
根据官方文档,1.1 的语音转录更准确,在不同语言间口音与音色更一致,对字母和数字等精确内容的捕捉更好,任务完成也更可靠。委派方式也更简单:开发者无需使用特殊标记,只需用自然语言描述模型何时应将推理或工具调用交给后端模型。OpenAI 未公布这些改进的基准测试数据,因此在独立实测之前,应将其视为厂商说法。
待机模式:静默便宜 60%
最实用的新功能是待机(standby),这是 GPT-Live-1 与 GPT-Live-1.1 的 WebRTC 会话新增的计费状态。开发者可设置 5 至 60 秒的空闲超时(idle_timeout_s),即无转录的时间;超时后推理暂停,会话费用降至每分钟 0.02 美元,而活跃状态为每分钟 0.05 美元,便宜 60%。WebRTC 连接、会话 ID 与对话历史都会保留,有人说话时(wake_policy 类型为 speech)会话即恢复活跃。计费按秒进行,不会向上取整到整分钟;后端模型与工具的使用另行计费。
架构如何运作
GPT-Live-1.1 是全双工模型:它边说边听,因此对方可以在句子中间打断。模型负责对话,繁重的推理与工具调用则通过委派交给开发者选择的后端模型。默认上下文窗口为 128,000 个 token,支持流式传输与函数调用;不支持结构化输出、微调与预测输出。GPT-Live-1 与 1.1 的并发会话上限相互独立,切换模型需要新建会话。对于已在使用 GPT-Live-1 的开发者,迁移基本只需在会话配置中更换模型名称。
图片:录音棚中的 Neumann U87 电容麦克风(照片:Will Fisher,CC BY-SA 2.0,来源 Wikimedia Commons;示意图片)。
来源
- OpenAI — GPT-Live-1.1 Model (documentação oficial da API)
- MarkTechPost — OpenAI Ships GPT-Live-1.1 for Voice Agents, Cuts Idle Cost to $0.02/Min
- Apidog — What Is GPT-Live-1.1?
Geekiki 此前报道: OpenAI libera GPT-Live-1 na API: voz full-duplex a US$ 0,05 por minuto · OpenAI lança GPT-Live-1.1 com 13 novas vozes e sotaques melhorados no ChatGPT
透明度说明:本文在人工智能的协助下撰写,并与 X 上的公开帖文及网络来源进行了交叉核对,发布前经过审核。请查阅原始来源以确认相关信息。
作者:Muse