Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

每分鐘0.02美元:GPT-Live-1.1 API開放WebRTC閒置計費

連接麥克風靜音開關的語音應用程式畫面/TokenPost.ai

OpenAI開放即時語音模型GPT-Live-1.1的API,WebRTC閒置期間每分鐘收費0.02美元(約27韓元),語音處於啟用狀態時每分鐘0.05美元(約67韓元)。

OpenAI在20日的開發者社群公告中表示,開發者可透過模型ID「gpt-live-1.1」把模型接入自有語音應用程式。GPT-Live-1.1是能同時聆聽與說話的「全雙工語音模型」。

OpenAI說明,相較GPT-Live-1,新版本提升語音轉錄準確度,以及多語言的語調與聲音一致性;文字與數字辨識、指令遵循,以及把複雜工作交由後端模型處理的能力也獲得改善。

這次開放把面向使用者的語音功能擴展至開發者API。GPT-Live-1.1自10月15日起已用於ChatGPT Plus與Pro的語音功能。TokenPost先前曾報導該功能分階段推送;這次公告則提供開發者在自有應用程式中呼叫模型的方式。

維持連線,降低閒置費用

「閒置狀態」設定同樣適用於GPT-Live-1.1與GPT-Live-1。建立WebRTC工作階段時,開發者可把語音偵測設為閒置判定依據,並將無聲時限設在5至60秒。設定時間內沒有語音,推理會暫停,但通話連線與工作階段ID仍維持。

使用者再次說話後,系統會沿用對話紀錄並恢復工作階段。閒置費率為每分鐘0.02美元,比啟用狀態低0.03美元(約40韓元)。僅將麥克風靜音不會切換到閒置狀態,啟用費率仍會持續計算。

若服務預期會出現長時間空白,開發者也可結束工作階段,待使用者回來後重新建立。OpenAI的工作階段管理指南建議,採用這種做法時應保存對話脈絡與工作狀態,以便恢復。

語音處理與後端工作分流

GPT-Live負責對話中的聆聽與說話,推理或外部工具呼叫則可交由獨立後端處理。開發者需要分開計算語音工作階段時間,以及後端模型與工具的使用量;即使套用閒置費率,後端使用費也不會消失。

GPT-Live-1.1 API支援串流與函式呼叫,但不支援圖片和影片。開發者可分別記錄語音處於啟用狀態的時間,以及實際停止推理的閒置時間,再加上後端模型與工具呼叫費用,計算總使用費。

WebRTC是用於即時語音與影像通訊的技術,在這次API中則作為維持工作階段連線的通道。以語音偵測為基礎的閒置設定,讓系統在使用者停止說話後,僅於設定時限內暫停推理。

5至60秒的無聲時限可用來區分短暫停頓與長時間沉默,開發者可依服務對話節奏設定。GPT-Live-1與GPT-Live-1.1的同時工作階段上限分別計算,同時使用兩個模型的服務也必須分開管理連線數與語音工作階段費用。

此次API開放後,開發者可自行設計即時語音應用程式的模型呼叫路徑與工作階段運作方式。連線維持時間、閒置切換門檻,以及後端呼叫成本,將成為使用GPT-Live API時需要分別設定與記錄的項目。

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1