OpenAI 11 月 19 日宣布全双工语音模型 GPT-Live-1.1 在 API 上线(模型 ID gpt-live-1.1,端点 v1/live/sessions)。该模型自 10 月 15 日起已为 ChatGPT Plus 和 Pro 的语音提供支持,相比 GPT-Live-1 转写更准确、跨语言口音和音色更一致,并能用自然语言描述何时把任务交给后端模型。同时推出 Standby 配置:WebRTC 会话静默 5–60 秒后暂停推理,按每分钟 0.02 美元计费(正常为 0.05 美元),有人说话时恢复。

核心要点速览

  • ✓官方:@OpenAIDevs 11 月 19 日发帖宣布,OpenAI 开发者 changelog 同日记录,模型页 developers.openai.com/api/docs/models/gpt-live-1.1 已上线
  • ✓能力:全双工、可边听边说;相比 GPT-Live-1 转写更准、跨语言口音与音色更一致,能可靠识别字母和数字等精确信息
  • ✓委托:在会话配置中用自然语言描述何时把推理或工具调用交给你选择的后端模型,不打断对话
  • ✓Standby:GPT-Live-1 和 1.1 的 WebRTC 会话均可设置 5–60 秒空闲超时,暂停期间按每分钟 0.02 美元计费,有人说话即恢复
  • ✓计费:按会话时长计费,活跃每分钟 0.05 美元,不按整分钟向上取整;后端模型和工具用量另计;两个模型的并发会话限额分开计算
OpenAI GPT-Live-1.1 登陆 API:口音更一致、转写更准,新增 Standby 待机模式每分钟 0.02 美元
🖼️要闻配图
点击全屏高清查看
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟

🔬

深度技术解析与实战评估

核心背景与行业痛点

语音智能体在客服、电话和陪伴类应用中经常要长时间保持连接,大量时间其实是静默,却按全价计费;多语言场景下口音漂移、字母数字听错也是常见问题。OpenAI 把 10 月起已在 ChatGPT Plus 和 Pro 中使用的 GPT-Live-1.1 开放给 API 开发者,并针对空闲成本推出 Standby 模式。

架构亮点与底层机制

GPT-Live-1.1 是全双工语音模型,输入输出支持音频和文本,可以边听边说,通过 v1/live/sessions 端点使用,支持流式和函数调用。开发者可在会话配置中用自然语言描述何时把复杂任务交给后端模型推理或调用工具,对话不中断。Standby 是新的会话配置,适用于 GPT-Live-1 和 GPT-Live-1.1 的 WebRTC 会话:设置 5–60 秒空闲超时,静默到时后模型暂停推理但通话保持连接,有人说话即恢复。

权威 Benchmark 与实测跑分对比

官方此次没有公布跑分,只给出定性描述:相比 GPT-Live-1,转写更准确,跨语言口音和音色更一致,任务完成更可靠。价格明确:活跃时每分钟 0.05 美元,Standby 每分钟 0.02 美元,会话时长不向上取整,后端模型和工具用量另计。

开发者实战落地与开箱指南

已有 Live 会话的项目只需把模型改为 gpt-live-1.1,并在提示中写清委托规则。长时间挂线的电话或客服场景可开启 Standby 降低空闲成本。注意 GPT-Live-1.1 与 GPT-Live-1 的并发会话限额分开计算,上线前在组织限额页确认额度。

实战指南准备好将技术转化为生产力?

即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

接着读Fish Audio 推出无代码语音智能体平台 Fish Agent:一句话描述即可生成能打接电话的 AI 助手,官方称部署中位时间 32 秒,支持自带 LLM 和完整 API
立即阅读→