GPT-Live-1.1 接入配置教程 按官方文档操作:密钥放服务端,调用 POST /v1/live/sessions,型号写 gpt-live-1.1,用 WebRTC 交换 SDP,等到 session.started 后再对话。

本站上午已介绍过 GPT-Live-1.1 API 开放与规格。本文只整理官方接入步骤,不涉及第三方中转。后端若选用较新的推理型号,可对照 GPT-6.2 Astra 和 Sol 的 API 说明。步骤据官方文档整理,核实时间 2026-11-21(Asia/Shanghai),本文未在本地逐项实测。
接入前先确认
- 官方型号是
gpt-live-1.1,只支持 Live 接口v1/live/sessions,不能走 Chat Completions、v1/responses或 Realtime 端点。型号要写在会话配置的model字段里,不能当作 URL 查询参数传递。 - 需要带有 GPT-Live 访问权限的项目 API 密钥,并且只放在受信任的服务器上,不要写进浏览器前端。
- 官方推荐 WebRTC:音频走媒体轨道,JSON 事件走数据通道。浏览器页面需在 HTTPS 或 localhost 下运行,并获得麦克风权限。WebSocket 是备选,地址为
wss://api.openai.com/v1/live/sessions;电话场景可用 SIP,振铃上限 3 分钟,接通后上限 2 小时。 - 语音会话按时长计费:活跃 0.05 美元 / 分钟,待机 0.02 美元 / 分钟,精确到秒;后端模型和工具用量另行计费。并发会话限额以组织为准,且与 GPT-Live-1 分开计算。
准备密钥和运行环境
在 OpenAI 平台选用已开通 GPT-Live 的项目密钥,写成服务端环境变量 OPENAI_API_KEY,不要写入代码或版本库。官方 WebRTC 示例同时提供服务端和浏览器页面。TypeScript 示例要求 Node.js 22.6 或更高版本,把服务端存为 server.ts,并安装依赖:
npm install openai express
npm pkg set type=module
Python 示例需安装官方 openai 库。示例绑定 127.0.0.1:3000,只接受来自 http://localhost:3000 的会话请求,并从运行目录提供 index.html。这是本地演示,正式对外前要补上应用自己的鉴权。官方还提供 Go、Java、Ruby 版本,一次只运行一种,并选用已支持 Live 的 SDK。
用 WebRTC 创建会话
官方推荐的连接顺序如下:
- 由用户操作触发,申请麦克风权限,并把音轨加入 PeerConnection。
- 先创建数据通道并注册事件监听,再生成 SDP offer。示例里的数据通道标签是
oai-events。 - 设置本地描述,等 ICE candidate 收集完成后,把 offer 发给你的服务端。
- 服务端向
POST /v1/live/sessions提交 JSON,其中包含session配置和transport: {type: "webrtc", sdp: ...},用项目 API 密钥完成鉴权。 - 把返回的 SDP answer 设为远端描述。在数据通道上等到
session.started之后,再发送应用命令。
对 WebRTC 来说,这次 HTTP 请求就会启动会话,不要再在数据通道上发送 session.start。成功时返回 201 Created,响应里带有 session.id 和 SDP answer,请原样保留,不要改写前缀或格式。
官方 TypeScript 示例的核心调用如下(完整服务端与浏览器代码见文末的 WebRTC 指南):
const result = await client.live.create({
session: {
model: "gpt-live-1.1",
instructions:
"Be concise. Delegate requests needing current information to the backend, which can search the web.",
delegation: {
type: "responses",
responses: {
model: "gpt-5.6-terra",
instructions:
"Use web search when current facts are needed. Return concise, grounded results for a spoken conversation.",
tools: [{type: "web_search"}],
tool_choice: "auto",
},
},
},
transport: {
type: "webrtc",
sdp: request.body.sdp,
},
});
等到 session.started 后即可对着麦克风说话。官方示例带了可联网搜索的后端,可用一个需要最新信息的问题,检查口头回答是否反映了搜索结果。
配置委托、指令和音色

GPT-Live 负责对话,并决定何时把任务交给后端,官方称这种交办为 delegation。模式要在创建会话时选定,中途更换需要新开会话。
- Responses delegation:由 OpenAI 调用你指定的 Responses 后端模型,并在会话与后端之间传递上下文。官方示例使用
gpt-5.6-terra和托管的web_search,这只是入门配置。你的应用仍要执行自己的函数工具,并负责权限和业务记录。 - Client delegation:由你的应用自行准备上下文、运行模型或业务流程,再把经过校验的结果送回 GPT-Live。已有独立 Agent 或需要先审核结果时,更适合这种模式。
给 GPT-Live 的 instructions 应简短,写清说话风格和何时委托;详细业务规则放到后端。之后可用 session.update 更新 Responses 后端的型号、指令和工具;若把运行中的 Responses 会话 delegation 改成 null,会失败并返回 immutable_field_update。默认音色是 marin,创建时可在 audio.output.voice 指定其他受支持的音色;启动后不能更改,要换声音就得新开会话。
待机计费与结束会话

若希望 WebRTC 在短暂停顿时保持连接并降低费用,创建会话时把 session.wake_policy.type 设为 speech,再把 session.idle_timeout_s 设为 5 到 60 的整数。没有输入或输出转写达到该秒数后,推理会暂停并进入待机;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,历史会在再次开口时恢复,但麦克风轨道必须保持开启;只静音麦克风,会话仍按活跃价计费。可监听 session.resumed 和 session.paused。
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。长时间空闲若可以断开,官方建议关闭会话并保存上下文,等用户回来再开新会话。结束时先注册 session.closed 监听,再发送 session.close,等到 session.closed 后再关闭 PeerConnection 和麦克风轨道,并记录最终的 usage.seconds。session.usage.updated 是累计秒数快照,不要把多次更新加总。若连接先失败或超时,最终用量可能无法确认,需再核对控制台记录。
常见报错与解决
401 鉴权失败,或提示没有权限
先确认服务端使用的是当前项目的有效密钥,没有过期或撤销,并且该项目已开通 GPT-Live。官方说明里,401 还可能出现在密钥与组织不匹配、缺少该端点权限,或请求 IP 不在允许名单中。
403 被拒绝
若官方返回所在国家、地区或领地不受支持,需对照官方错误码说明和可用地区规定处理。若是官方本地示例返回 Unexpected request origin,说明请求不是来自 http://localhost:3000,请用文档指定的本机地址打开页面。
创建会话失败,或没有收到 SDP answer
确认请求体里有非空的 SDP offer,transport.type 为 webrtc,型号写在 session.model。漏掉 SDP 时,官方示例会返回 400。同时确认页面运行在 HTTPS 或 localhost,并且已允许麦克风。
已经连上,但助手不说话
先确认数据通道上已经收到 session.started,再开始说话或发送命令。WebRTC 路径上不要再发送 session.start。若启用了待机,推理会等到检测到语音才开始,首次唤醒后对很短的一句话,第一句回复可能会更慢。
中途改委托模式,或出现 responses_validation_failed
要在 Responses 和 client 两种委托模式之间切换,必须新开 Live 会话。Responses 配置是启动后异步校验的,session.started 不会等待校验结束。若工具或设置不被支持,会收到 responses_validation_failed,会话仍保持打开,需用 session.update 修正。例如 Skill 的 version 应写成字符串 "1",写成数字 1 就会报错。
只用完没有关会话,费用仍在增加
静音不会进入待机,也不会结束计费。要用待机,必须配置 wake_policy 和 idle_timeout_s;要停止计费,必须发送 session.close 并等到 session.closed。频繁重连还会再次产生 WebRTC 初始化的 15 秒记账。
常见问题
能不能用 Chat Completions 或 Responses 直接跑语音?
不能。官方型号页写明,gpt-live-1.1 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。
后端必须用官方示例里的 gpt-5.6-terra 吗?
不必。那是 WebRTC 入门示例里的后端型号,可按任务换成项目已开通、且 Live 支持的其他型号。语音型号和后端型号是分开选的,具体以官方当前支持和任务效果为准。本站在 GPT-6.2 Astra 和 Sol 发布说明 里介绍过同期的文本推理型号。
WebSocket 和 WebRTC 在启动方式上有什么差别?
WebRTC 用 POST /v1/live/sessions 交换 SDP,HTTP 请求成功即启动会话,不要再发 session.start。WebSocket 则是先打开 wss://api.openai.com/v1/live/sessions(不要附加查询参数),再发送 session.start。两种路径都要等到 session.started 后再继续。
信息来源
- OpenAI 官方文档:Getting started with GPT-Live
- OpenAI 官方文档:WebRTC
- OpenAI 官方文档:Delegation and tools in GPT-Live
- OpenAI 官方文档:Managing GPT-Live sessions
- OpenAI 官方文档:Cost optimization
- OpenAI 官方型号页:GPT-Live-1.1
- OpenAI API 参考:Live
- OpenAI 官方文档:Error codes
- OpenAI API 定价页
核实时间:2026-11-21(Asia/Shanghai)。命令、配置项、价格和限制均据上述官方文档整理,本文未在本地逐项实测。
