OpenAI发布语音接口待机计费大幅下调
一、GPT-Live-1.1 开放语音接口
北京时间2026年11月20日,OpenAI通过应用程序接口向开发者开放语音模型GPT-Live-1.1(gpt-live-1.1),这款全双工语音模型能够同时收听与发声,通话者可以在模型说话中途打断,不必等待轮次结束。GPT-Live-1.1是GPT-Live-1的后继型号,同一模型家族自2026年10月15日起已经为ChatGPT付费用户的语音功能提供支持,此次开放意味着开发者可以直接在自己的应用里调用同一语音能力。OpenAI在系统卡片中介绍,GPT-Live-1.1在多语言语音、指令遵循与声音保真度上有所提升,语音转录更加清晰,跨语言口音保持得更加稳定。同步上线的新待机模式成为这次发布的焦点:会话空闲时不再按活跃通话费率计费,语音助手类应用的闲置成本随之下降,开发者不必再为沉默的通话时间支付全价。
二、WebRTC 接入与待机计费
从接入方式看,GPT-Live-1.1支持WebRTC与WebSocket两种传输,开发者通过POST /v1/live/sessions创建会话,浏览器把会话描述协议提议发给自有服务器,服务器再用OpenAI项目密钥换取应答,会话建立后音频走媒体通道,JSON事件走数据通道。模型上下文窗口为128,000个token,音频token同样占用上下文额度,开发者需要在长通话里留意上下文消耗。计费方面,活跃通话为每分钟0.05美元,待机为每分钟0.02美元,均按秒计费,待机费率比活跃费率低60%。待机只适用于WebRTC会话,开发者在创建会话时配置唤醒策略与空闲超时,超时可在5秒至60秒之间设定,超过设定时长且双方均无转录内容,会话转入待机,推理暂停而连接与对话历史保留,有语音输入时自动唤醒。GPT-Live-1.1本身负责语音会话,需要深度推理或调用工具的请求可以委托给开发者选定的后端模型,例如通过Responses委托方式交给gpt-5.6-terra,后端模型与工具调用单独计费。OpenAI还为应用程序接口版本准备了38个语音标识,其中7个为新增,偏重西班牙语场景。
三、常驻语音应用成本结构改变
对语音助手开发者而言,待机计费直接改变了常驻语音应用的成本结构,客服热线、电话助手与车载语音等闲置占比高的场景受益最明显,过去要么为沉默买单、要么反复断开重建的两难选择随之缓解,语音助手有望从演示走向全天候在线服务。GPT-Live-1.1进入市场后,将与ElevenLabs对话式人工智能、谷歌Gemini Live与亚马逊Nova Sonic(Amazon Nova Sonic)等语音方案正面竞争,OpenAI的优势在于语音模型与后端推理模型的委托组合,短板则在于结构化输出与微调等能力仍不受支持。长远看,待机模式降低了全天候语音助手的上线门槛,但最终决定采用率的仍是通话质量、唤醒延迟与综合成本,价格只是入场条件,不是胜负手。
信源跟踪: OpenAI | 数据时间: 北京时间2026-11-20
