没人说话时也在烧钱:OpenAI把语音Agent待机费降到2美分/分钟
OpenAI在API发布GPT-Live-1.1,改进了多语言口音和转录。更具体的信号在账单:WebRTC空闲时间从每分钟0.05美元降到0.02美元。做语音agent的人该重新算算静默成本。
OpenAI在API里发布了GPT-Live-1.1。据Michal Sutter在MarkTechPost的报道,这是一款全双工语音模型,改进了多语言口音和转录质量。公告还带了一个计费变化:新的standby模式把空闲WebRTC时间按每分钟0.02美元计费,之前是0.05美元。原文链接在这里。
全双工可以简单理解成模型能边听边说,适合实时语音agent。普通用户打电话时,不用等对方彻底说完才得到回应。多语言口音和转录的改进,对客服、教育、出海产品都算硬需求。转录就是把语音转成文字,口音识别差一点,后面整条流程都会歪。
对开发者来说,账更直接。语音agent通常先建立WebRTC连接,用户说话,模型回应,中间夹着等待、静默、确认和转接。WebRTC可以理解成实时语音连接的基础设施。空闲连接占着资源,却没有产生有效交互,过去按0.05美元/分钟计费,长时间挂着会累积成本。假设一个语音agent通话10分钟,其中4分钟处于空闲等待,旧计费是0.2美元,新计费是0.08美元,省下0.12美元。公开价格只覆盖空闲WebRTC,其他API调用怎么计费,要看OpenAI的价格页。
这篇报道没有给出更多benchmark、延迟数据或支持语言列表。能确认的变化就两点:多语言口音和转录改进,待机计费下调。公告短得像计费表更新,但语音agent落地时,静默时间恰恰容易被忽略。服务商会不会把降价传下去,另说。
发布时间: 2026-11-21 19:46