Wink Pings

OpenAI 给语音 API 加了待机模式,但省钱的方式可能不是它

GPT-Live-1.1 API 上线,口音更自然,支持待机降费。开发者已经开始算账:长时间挂机也许不如直接挂断。

11月19日,OpenAI 的 GPT-Live-1.1 正式进入 API。距离它驱动 ChatGPT Plus/Pro 的语音,过去了一个多月。

这个新版本的核心卖点有三个:跨语言口音更自然,新增 Standby 待机模式降低闲置成本,任务完成更可靠。官方给了一个演示视频:

第一点没什么好说的。多语言语音里的“口音漂移”一直是痛点:一个模型在英语里正常,切到法语突然像换了个人。1.1 宣称更自然、更一致,具体效果需要自己测。

真正值得算账的是 Standby。这个模式允许开发者设置 5-60 秒的空闲超时。超时后模型暂时暂停推理,但 WebRTC 连接保持打开,费率从 $0.05/分钟降到 $0.02/分钟。看起来便宜了 60%。官方视频里展示了对话中断后进入待机、再唤醒的过程:

但对于长时间没人说话的场景,有开发者算了一笔账:Standby 仍然按分钟计费,$0.02/分钟,一小时就是 $1.2。如果对话间隙长达几分钟,直接关闭会话、从保存的状态恢复,往往更划算。也就是说,Standby 适合“暂时离开但马上会回来”的场景,不是用来挂机一整天的。

GPT-Live-1 也支持 Standby,所以老用户不需要迁移。

另一个信号:GPT-Live-1.1 从 10 月 15 日就开始在 ChatGPT 的语音模式里服役了,现在才开放 API。OpenAI 的套路是先在产品里验证,再给开发者。

社区的反应也挺有意思。有人问西班牙语(西班牙)口音是否修复,有人做了一个完全本地运行的开源版本 OpenGPT-Voice,用 Silero VAD + Faster-Whisper + 本地 LLM + Supertonic TTS 复刻了 GPT-Live 的体验,支持说话中途打断(barge-in),端到端延迟大约 550-800ms。虽然只是个原型,但至少说明语音 Agent 的管线已经可以被开源组件拼出来:

与此同时,一批用户正在抗议 OpenAI 计划在 12 月 11 日退役 Standard Voice Mode。Change.org 上已经有一千多人签名,社区帖子里说“超过三个小时的阅读时间都在要求保留原版语音”。一边是更先进的 Live 语音推进,一边是用户希望老功能别走。技术进步不等于每个决定都受欢迎。

image

GPT-Live-1.1 给语音 Agent 带来的提升是真实的:更自然的说话、能准确理解字母和数字、可以把复杂任务委托给后端模型而不打断对话。但开发者更关心的,可能不只是模型能力,还有成本结构,以及用户到底想要什么。

文档:https://developers.openai.com/api/docs/models/gpt-live-1.1

开源的本地版本:https://github.com/vishalsingh2972/open-gpt-voice

发布时间: 2026-11-20 05:42