返回资讯中心
外部精选
ai-models
#研究进展#模型发布#Agentic AI#AI Agents#AI Shorts#Applications

OpenAI 发布语音模型 GPT-Live-1.1,待机计费降至每分钟 0.02 美元

来源标题:OpenAI Ships GPT-Live-1.1 for Voice Agents, Cuts Idle Cost to $0.02/Min

OpenAI 在 API 上线全双工语音模型 GPT-Live-1.1,新增待机计费状态,闲置 WebRTC 时长按每分钟 0.02 美元计费,低于活跃时的 0.05 美元。该模型默认上下文窗口为 12.8 万 token,仅通过 OpenAI 云端提供,支持 WebRTC 或 WebSocket 接入。OpenAI 称其在多语言口音、转写和任务完成上优于 GPT-Live-1,但未公布任何基准分数。

MarkTechPostMichal Sutter2026/11/21 · 今天15 分钟阅读

以下正文由 AI 翻译自 MarkTechPost(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

OpenAI 已在其 API 中以模型 ID gpt-live-1.1 提供 GPT-Live-1.1。GPT-Live-1.1 语音模型是一款用于多语言对话的全双工模型。它可以边说边听。OpenAI 团队表示,它在不同语言间的口音更加自然、一致,任务完成也更可靠。此次发布还新增了 standby,这是一种针对空闲会话的更便宜计费状态。对于运行语音 agent 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 扩展查看部署选项和规格。

TL;DR

  • 规模:Live 会话默认持有 128,000 token 的上下文窗口。
  • 运行于:仅 OpenAI 云,通过 v1/live/sessions 访问。客户端通过 WebRTC 或 WebSocket 连接。没有开放权重,也没有量化变体。
  • 性能:OpenAI 声称口音、转写、字母和数字处理以及任务完成均优于 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,而活跃时为 $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:更便宜的全天候语音会话。最差:质量提升为自述,没有数字。

什么是 GPT-Live-1.1?

GPT-Live-1.1 是 OpenAI 的全双工语音模型,在单一流中听和说。它接替于 2026 年 9 月 10 日进入 API 的 GPT-Live-1。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。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 转写。 更深入的工作会被委派。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 处理复杂问题,Luna 处理高吞吐任务。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 token。

与 GPT-Live-1 相比有何变化?

OpenAI 列出了 1.1 的 4 个改进领域:

  • 跨语言的口音更自然、更一致
  • 语音转写更准确
  • 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:设为 speech,使推理等待语音
  • 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,简短话语后的首次回复可能较慢。在 standby 期间保持麦克风轨道活跃。 Standby 对 GPT-Live-1 和 GPT-Live-1.1 均有效。

GPT-Live-1.1 费用是多少?

会话状态每分钟价格每小时价格 活跃$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成本更高。

部署与可用性

该模型仅提供 API。你通过将 model 设为 gpt-live-1.1 来切换现有的 Live 会话。更改模型需要新建会话。 出站 SIP 呼叫于 11 月 2 日向所有组织开放,因此支持电话 agent。GPT-Live-1 和 GPT-Live-1.1 有单独的并发会话限制。每个限制适用于所有推理区域。1.1 页面未公布层级数字。

GPT-Live-1.1 如何比较?

功能GPT-Live-1.1GPT-Live-1GPT-Realtime-2.1Gemini 3.8 Live 开发者OpenAIOpenAIOpenAIGoogle 参数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,standby $0.02/分钟活跃 $0.05/分钟,standby $0.02/分钟每 100 万音频 token $32 / $64(输入/输出)基于 token(定价) 空闲 standby 计费是(WebRTC)是(WebRTC)未记录未记录 推理委派给后端模型委派给后端模型内置,可配置力度交错推理 函数调用是是是是 结构化输出否否未披露否 已公布基准1.1 无Full Duplex Bench 较 GPT-Realtime-2.1 高 30 分该评估中的基线未比较 许可证 / 权重闭源,仅 API闭源,仅 API闭源,仅 API闭源,仅 API

关键要点

  • GPT-Live-1.1 已以 gpt-live-1.1 在 API 中上线。
  • Standby 将空闲 WebRTC 计费从每分钟 $0.05 降至 $0.02。
  • 空闲超时可配置为 5 到 60 秒。
  • 口音、转写和任务提升为自述,没有分数。
  • 后端推理和工具与语音分钟分开计费。 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 扩展查看部署选项和规格。 另外,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

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →