Newshot

OpenAI 发布 GPT-Live-1.1 语音代理模型,空闲成本降至每分钟 0.02 美元

AI summary

OpenAI 在 API 中以 gpt-live-1.1 的模型 ID 上线 GPT-Live-1.1。这是一款面向多语言对话的全双工语音模型,可在说话的同时聆听,OpenAI 称其口音更自然一致、任务完成更可靠。此次发布还新增 standby 计费状态,让通话中的空闲时间成本更低。

Translation(model translation, not the source's own text)

OpenAI 发布 GPT-Live-1.1 语音代理模型,将空闲成本降至每分钟 $0.02

OpenAI 已在其 API 中提供 GPT-Live-1.1,模型 ID 为 gpt-live-1.1。GPT-Live-1.1 语音模型是一个用于多语言对话的全双工模型。它可以在说话的同时聆听。OpenAI 团队表示,它在不同语言中的口音更加自然和一致,并且更可靠地完成任务。此次发布还新增了 standby,一种针对空闲会话的更便宜计费状态。对于运行语音代理的团队来说,通话中的空闲时间现在成本更低。你可以通过我们的 GPULeaderboard.com chrome 扩展在此查看部署选项和规格。

TL;DR

  • 规模:Live 会话默认上下文窗口为 128,000 个 token。
  • 运行环境:仅限 OpenAI 云,通过 v1/live/sessions。客户端通过 WebRTC 或 WebSocket 连接。无开放权重,无量化变体。
  • 性能:OpenAI 声称在口音、转录、字母和数字处理以及任务完成方面优于 GPT-Live-1。未公布分数。
  • 最佳:Standby 对空闲 WebRTC 时间按每分钟 $0.02 计费,而活动状态为 $0.05,费率低 60%。
  • 最差:OpenAI 未公布 1.1 的任何基准分数。不支持图像、视频和结构化输出。
  • 结论:最佳:更便宜的常开语音会话。最差:质量提升为自述,无具体数字。

什么是 GPT-Live-1.1?

GPT-Live-1.1 是 OpenAI 的全双工语音模型,可在单一流中听和说。它接替了 GPT-Live-1,后者于 2026 年 9 月 10 日登陆 API。根据 OpenAI 论坛公告,自 10 月 15 日起,它已为 ChatGPT Plus 和 Pro 语音提供支持。

输入和输出为音频和文本。不支持图像和视频。流式传输和函数调用可用。结构化输出、微调和预测输出不可用。

GPT-Live-1.1 如何工作?

GPT-Live 系列取代了通常的语音转文本、LLM 和文本转语音的级联流程。OpenAI 表示,该模型在单一模型中对传入和传出的音频一起进行推理。它还处理轮次检测,并原生返回 ASR 转录。

更深入的工作被委托出去。语音模型可以将推理和工具调用交给后端文本模型。OpenAI 指定 GPT-6 Astra 用于复杂问题,Luna 用于高容量任务。第三方后端也可用。

Live 对话指南将 delegation.type 设置为 client 或 responses。Responses 模式使用 OpenAI 模型。Client 模式连接你自己的后端。指令最长可达 16,384 个 token。

相比 GPT-Live-1 有哪些变化?

OpenAI 列出了 1.1 的 4 个改进领域:

  • 跨语言更自然、更一致的口音
  • 更准确的语音转录
  • 更好地处理字母和数字等精确细节
  • 更可靠的指令遵循和任务完成

standby 模式如何工作?

Standby 在静音期间暂停推理,同时 WebRTC 连接保持打开。指南记录了 3 项设置:

  • session.wake_policy.type:设置为 speech,以便推理等待语音
  • session.idle_timeout_s:5 到 60 秒的整数
  • session.wake_policy.vad_threshold:可选,0 到 1,默认 0.5

超时后,服务器发出 session.paused。当用户说话时,触发 session.resumed。会话 ID 和历史记录会保留。OpenAI 警告说,短话语后的首次回复可能会较慢。在 standby 期间保持麦克风轨道活动。

Standby 适用于 GPT-Live-1 和 GPT-Live-1.1。

GPT-Live-1.1 费用是多少?

会话状态每分钟价格每小时价格
活动$0.05$3.00
Standby(WebRTC,推理暂停)$0.02$1.20

语音会话按持续时间计费。GPT-Live-1 模型页面称按秒计费。后端模型和工具使用单独计费。这一点很重要:繁重的后端可能比语音层花费更多。

部署与可用性

该模型仅限 API。你可以通过将 model 设置为 gpt-live-1.1 来切换现有的 Live 会话。更改模型需要新建会话。

文章标题:OpenAI 发布面向语音智能体的 GPT-Live-1.1,将空闲成本降至 $0.02/分钟

正文: 出站 SIP 呼叫已于 11 月 2 日向所有组织开放,因此电话智能体已得到支持。GPT-Live-1 与 GPT-Live-1.1 有各自独立的并发会话上限。每项上限均跨推理区域适用。1.1 页面未公布各层级的具体数字。

GPT-Live-1.1 对比如何?

FeatureGPT-Live-1.1GPT-Live-1GPT-Realtime-2.1Gemini 3.8 Live
开发者OpenAIOpenAIOpenAIGoogle
参数量未披露未披露未披露未披露
输入音频、文本音频、文本文本、音频、图像文本、图像、音频
输出音频、文本音频、文本文本、音频文本、音频
上下文默认 128K( 指南 )默认 128K( 指南 )128K,最大输出 32K输入 131,072,输出 65,536
定价活跃 $0.05/分钟,待机 $0.02/分钟活跃 $0.05/分钟,待机 $0.02/分钟每 1M 音频 token $32 / $64(输入/输出)按 token 计费( 定价 )
空闲待机计费是(WebRTC)是(WebRTC)未记录未记录
推理交由后端模型处理交由后端模型处理内置,可配置推理强度交错推理
函数调用是是是是
结构化输出否否未披露否
公开基准1.1 无Full Duplex Bench 较 GPT-Realtime-2.1 高 30 分该评测的基线未比较
许可 / 权重闭源,仅 API闭源,仅 API闭源,仅 API闭源,仅 API

要点

  • GPT-Live-1.1 已以 gpt-live-1.1 的形式在 API 中上线。
  • 待机模式将空闲 WebRTC 计费从每分钟 $0.05 降至 $0.02。
  • 空闲超时可在 5 至 60 秒之间配置。
  • 口音、转录和任务方面的提升为自报数据,未提供分数。
  • 后端推理与工具调用与语音分钟数分开计费。

查看模型页面、Live 对话指南和公告。你可以通过我们的 GPULeaderboard.com Chrome 扩展在此查看部署选项与规格。

此外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。

需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或网络研讨会等?联系我们

Michal Sutter 是一位数据科学专业人士,拥有帕多瓦大学数据科学理学硕士学位。凭借在统计分析、机器学习和数据工程方面的扎实基础,Michal 擅长将复杂数据集转化为可执行的洞察。

  • Michal SutterMeta FAIR 自改进记忆在持续学习基准上达到 56.0
  • Michal SutterPerplexity 推出用于故障转移与模型路由的 Orchestrator API
  • Michal SutterSID AI 发布 SID-2 智能体搜索模型,Swarm 模式下 NDCG 达 0.720
  • Michal SutterAnthropic 为 Claude Code 添加代码模式:Claude 现可用 JavaScript 串联工具调用

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by MarkTechPost
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗