OpenAI 11 月 20 日在开发者论坛宣布,GPT-Live-1.1 已可通过 API 调用,模型 ID 为 gpt-live-1.1,接口是 v1/live/sessions。公司说,这个版本从 10 月 15 日起已经用于 ChatGPT Plus 和 Pro 的语音,开发者现在可以用它做自己的语音应用。
和这次一起公布的,还有待机计费。官方定价表里,GPT-Live-1.1 和 GPT-Live-1 的活动价都是每分钟 0.05 美元,待机价都是每分钟 0.02 美元,按秒计费。官方 Changelog 把同一项更新记在 11 月 19 日。
通话可以不断,推理可以先停
待机只适用于 WebRTC 会话。创建会话时,把 session.wake_policy.type 设为 speech,再把 session.idle_timeout_s 设成 5 到 60 之间的整数。在没有输入或输出转写的时间达到这个秒数后,模型会暂停推理,但 WebRTC 连接和会话 ID 保持不变。有人再次开口,会话会恢复,并带上之前的对话记录。
文档要求待机时保持麦克风轨道开启。恢复之后,对短句的第一次回复可能会变慢。如果省略超时时间,模型在第一次被唤醒后会一直保持活动,直到会话结束。可选的 session.wake_policy.vad_threshold 用来调节语音活动检测的敏感度,范围是 0 到 1,默认 0.5。
会话侧带或 WebRTC 数据通道会发出 session.paused 和 session.resumed,用来判断推理是否已经停下或重新就绪。
这套分钟价并不覆盖全部成本。模型页和论坛公告都写明,后台模型和工具用量另行计费。也就是说,语音层按通话时长算,去做推理或调用工具的那个后端模型,还要再付一笔。
OpenAI 同时保留着另一套按 token 计费的 Realtime 接口。两套接口的计费单位不同,不能直接比较哪个更便宜。
开发者拿到的是 10 月已经在 ChatGPT 里用过的版本
7 月 8 日,OpenAI 先在 ChatGPT 语音里上线了这一代全双工模型,可以边听边说,并把需要搜索或更深推理的问题交给后台模型。9 月 10 日,GPT-Live-1 进入 API。10 月 15 日,公司在论坛宣布 GPT-Live-1.1 开始在 ChatGPT、Codex 和 dots 上线,并写明 API“即将推出”。
从产品层放到 API,中间过了大约五周。对已经在用 GPT-Live-1 的开发者来说,这次是换到 1.1,并给 1 和 1.1 都加上待机档。语音接口本身在 9 月已经开放。
口音和转写的改进仍是公司自己的说法
官方文档把 1.1 相对 1 的变化写成:在多语言语音对话里,发音、口音一致性和转写更好。论坛公告还说,它能更清楚地抓住字母和数字这类细节,更好地遵循指令,也更可靠地完成任务。这些都是 OpenAI 的说明,目前没有公开的第三方对比测试。
模型页列出的输入是音频和文本,输出也是音频和文本。它支持流式输出和函数调用,但不接入 Chat Completions、Responses 或 Realtime 那些接口。GPT-Live-1.1 和 GPT-Live-1 的并发会话限额是分开计算的,具体数字要看各组织自己的限额页。
开发者若要判断 1.1 值不值得换,还得在自己的语言、口音和任务上测转写、打断和委托是否真的更稳,以及待机之后第一句回复变慢会不会影响产品体验。分钟价只是账单上能先算清的那一部分。

