GPT-Live-1.1开放API:全双工语音已可接入

浏览:2次阅读
没有评论

GPT-Live-1.1 API 已于 11 月 19 日向开发者开放。官方型号为 gpt-live-1.1,走 v1/live/sessions,支持全双工语音,活跃每分钟 0.05 美元、待机 0.02 美元。

GPT-Live-1.1开放API:全双工语音已可接入插图
图片来源:OpenAI 官方文档 OG 图(GPT-Live-1.1 型号页)

发布时间和获取途径

OpenAI 在 API 更新日志的 2026 年 11 月 19 日条目中,将 GPT-Live-1.1 列入 Live 接口。开发者社区官方公告于 11 月 20 日 04:12 UTC(北京时间 12:12)确认该型号已向开发者开放。公告同时写明:自 10 月 15 日起,它已为 ChatGPT Plus 和 Pro 的语音能力提供支持,此次是把同一代模型交给第三方应用使用。

调用需要带有 GPT-Live 访问权限的项目 API 密钥。官方要求把密钥放在受信任的服务器上,不要写进浏览器前端。浏览器示例需在 HTTPS 或 localhost 下运行,并获得麦克风权限。

全双工语音和任务委托

GPT-Live 能在说话的同时继续聆听(全双工),并根据你用自然语言写好的规则,决定何时把任务交给后端。官方称这种交办为 delegation。例如用户查询订单时又补了一句细节,后端可以继续查状态,语音侧保持对话,结果返回后再向用户说明。

与 GPT-Live-1 相比,官方给出的改进主要是:多语言转写更准,跨语言时的口音和声线更稳定,发音也有提升。社区公告还提到,它对字母、数字等需要精确识别的信息更可靠。输入和输出均为音频与文本,并支持流式传输和 function calling。

后端模型可以和语音模型分开选。Responses delegation 由 OpenAI 代为调用 Responses API 中的后端模型,并在会话与后端之间传递上下文,你的应用仍负责执行自己的函数工具;client delegation 则由你自行选择模型或业务服务,并决定把哪些经过校验的结果送回 GPT-Live。模式要在创建会话时选定,中途更换需要新开会话。文档建议可先用 gpt-6-luna 做后端,更复杂的任务再试 gpt-6-sol;本站此前介绍过同期的 GPT-6.2 Astra 和 Sol 发布说明 ,具体选哪一款仍要以你的任务效果和延迟为准。

GPT-Live-1.1开放API:全双工语音已可接入插图1
图片来源:OpenAI 官方文档 OG 图(Getting started with GPT-Live)

调用接口和传输方式

GPT-Live-1.1 只支持 Live 接口,不走 Chat Completions、v1/responses 或 Realtime 等端点。创建会话用 POST /v1/live/sessions,WebSocket 地址为 wss://api.openai.com/v1/live/sessions。型号必须写在会话配置的 model 字段里,不能当作 URL 查询参数传递。

官方推荐 WebRTC:音频走媒体轨道,JSON 事件走数据通道,适合浏览器、移动端和服务器应用。WebSocket 是受支持的备选;电话场景可通过 SIP 接入。API 参考写明,SIP 振铃上限为 3 分钟,接通后的通话上限为 2 小时,这两项不能在请求里改。已使用 LiveKit、Twilio、Telnyx、Bandwidth 或 Daily/Pipecat 的应用,可按官方合作方说明接入。若要从服务器监控已有会话,可再附加一条称为 sideband 的服务端 WebSocket,音频仍走主连接。

以 WebRTC 为例:浏览器生成 SDP offer 后,由服务器带着会话配置和 SDP 向 OpenAI 换取 answer,再等待数据通道上的 session.started。默认语音为 marin,也可在创建时用 audio.output.voice 指定其他受支持的音色,更换音色需要新开会话。

定价与待机计费

GPT-Live 按时长计费,精确到秒;后端模型和工具用量另行计费。官方定价页上,gpt-live-1.1 与 gpt-live-1 的标价相同:

型号 活跃(Active) 待机(Standby)
gpt-live-1.1 0.05 美元 / 分钟 0.02 美元 / 分钟
gpt-live-1 0.05 美元 / 分钟 0.02 美元 / 分钟

待机是这次一并提供给两个型号的新配置,仅适用于 WebRTC。创建会话时把 session.wake_policy.type 设为 speech,推理会等到检测到语音再开始;再把 session.idle_timeout_s 设为 5 到 60 的整数,在没有输入或输出转写的这么多秒之后回到待机。若省略超时,第一次被唤醒后会一直保持活跃,直到会话结束。可选的 vad_threshold 取值 0 到 1,默认 0.5。

待机时连接和会话 ID 不变,对话历史会在用户再次开口时恢复,但麦克风轨道需要保持开启。只静音麦克风,会话仍按活跃计费;用完后要关闭会话并读取最终用量。按默认行为创建 WebRTC 会话时,初始化会先按 15 秒计费,并在会话开始运行后抵扣,估算时不要再额外加 15 秒。

使用时要注意什么

两个型号的并发会话限额分开计算,具体以你所在组织的限额为准。会话指令最多 16,384 tokens,详细业务规则应放在后端。长时间空闲如果可以断开,官方建议关闭会话并保存上下文,等用户回来再开新会话;只有需要保持线路时,才用待机降费。

它和 Realtime API 不是同一条通路。从旧的实时语音方案迁过来,应查阅官方迁移说明,不要沿用 Completions 的调用方式。后端若选用较新的推理型号,可先对照 GPT-6.2 Astra 和 Sol 的 API 说明 ;若还要在编程客户端里使用这些文本型号,也可参考 GPT-6.2 Astra 接入 Codex 的配置说明 。

常见问题

能不能用 Chat Completions 或 Responses 直接调用?

不能。官方型号页写明,该型号只支持 Live 接口。Responses 出现在委托配置里,指的是后端推理模型的调用方式,并不是用 Responses 端点来跑语音本身。

待机计费要注意什么?

待机价 0.02 美元 / 分钟只在已配置待机、且推理已暂停的 WebRTC 会话上生效。漏设空闲超时、只静音而不待机,都会继续按 0.05 美元 / 分钟计。结束后务必关闭会话。

ChatGPT 里的语音是不是同一个模型?

官方公告写明,GPT-Live-1.1 从 10 月 15 日起为 ChatGPT Plus 和 Pro 的语音提供支持。此次开放的是开发者 API,需要自行搭建会话、传输和后端委托,和 ChatGPT 应用内的语音入口不是同一条路径。

接入步骤已整理为 GPT-Live-1.1 接入配置教程 ,可按官方 WebRTC 示例创建会话、配置委托和待机,并在结束时关闭会话收取最终用量。

信息来源

核实时间:2026-11-21(Asia/Shanghai)。上线时间、接口、规格和价格均据上述官方文档与公告整理,未另行实测。

订阅更新
GPT-Live-1.1开放API:全双工语音已可接入插图8GPT-Live-1.1开放API:全双工语音已可接入插图9微信扫码关注「狠活 AI」
用 RSS 阅读器订阅本站,新教程第一时间收到。RSS 订阅
正文完
 0