GPT-Live-1.1 finns i API:et – i standbyläget kostar en WebRTC-paus 0,02 dollar per minut
OpenAI har öppnat röstmodellen GPT-Live-1.1 för utvecklare. Modellen har skött röstfunktionen i ChatGPT Plus och Pro sedan den 15 oktober. I det nya standbyläget kostar ett tyst WebRTC-samtal 0,02 dollar per minut i stället för de vanliga 0,05 dollar.
GPT-Live-1.1 lyssnar även medan den talar. OpenAI berättade den 19 november på sitt X-konto och på modellens dokumentationssida att modellen nu finns i API:et.
Enligt OpenAI transkriberar den nya modellen tal mer exakt än GPT-Live-1 och håller accent och röst mer konsekventa mellan språk. Företaget uppger att modellen pålitligt förstår bokstäver och siffror och följer instruktioner. Den slutför uppgifter mer tillförlitligt än tidigare. Förbättringarna är företagets egna påståenden: OpenAI anger inga siffror för dem, och på modellsidan är prestanda och hastighet markerade som ospecificerade.
Röstsessioner faktureras efter varaktighet. En aktiv minut kostar 0,05 dollar. I standbyläget (standby) ställer utvecklaren in en tidsgräns för inaktivitet på 5–60 sekunder. När samtalet har varit tyst så länge, pausar modellen inferensen. WebRTC-samtalet förblir ändå öppet för 0,02 dollar per minut tills någon talar igen. Ett avbrott på tio minuter i ett WebRTC-samtal kostar till exempel 0,20 dollar i stället för 0,50 dollar.
Standbyläget kan också aktiveras i GPT-Live-1.
Minutpriset täcker inte alla kostnader för en röstagent. Utvecklaren beskriver på vanligt språk när modellen ska lämna över en uppgift till ett backendsystem för resonemang eller verktygsanvändning. Backendmodellen kan utvecklaren välja själv. Användningen av den och verktygen faktureras separat.
Modellen tar emot och genererar ljud och text men inte bilder eller video. Funktionsanrop fungerar, men inte strukturerade utdata eller finjustering.
Modellens id är gpt-live-1.1. GPT-Live-1.1 och GPT-Live-1 har separata gränser för samtidiga sessioner, och varje gräns gäller gemensamt för alla inferensregioner.