GPT-Live-1.1: Giá, kiến trúc ủy thác và cách tạo phiên đầu tiên
GPT-Live-1.1 là mô hình giọng nói song công (full-duplex) của OpenAI, có sẵn trên API từ ngày 20 tháng 11 năm 2026. Nó vừa lắng nghe vừa nói, giao việc suy luận và gọi công cụ cho một mô hình backend mà bạn chọn, và tính phí theo phút: $0.05 mỗi phút hoạt động và $0.02 mỗi phút chờ (standby). Bạn truy cập nó qua một endpoint duy nhất, v1/live/sessions, chứ không phải qua Realtime API.
Bài viết trước của chúng tôi về GPT-Live là gì đã giới thiệu tính năng giọng nói của ChatGPT trước khi các lập trình viên có thể gọi nó. Bài hướng dẫn này tập trung vào mô hình API: những gì mới, chi phí ra sao, một phiên làm việc diễn ra thế nào và nó so sánh với GPT-Realtime ra sao.
GPT-Live-1.1 là gì?
GPT-Live-1.1 là một mô hình giọng nói có thể duy trì cuộc hội thoại bằng lời nói theo thời gian thực trong khi một mô hình backend riêng biệt đảm nhận phần suy luận. Nó nhận vào âm thanh và văn bản, trả ra âm thanh và văn bản, và tiếp tục lắng nghe trong khi nói, nên người gọi có thể ngắt lời hoặc bổ sung chi tiết ngay giữa câu. Model ID của nó là gpt-live-1.1, và nó hỗ trợ streaming cùng chức năng gọi hàm (function calling).
Trang mô hình GPT-Live-1.1 mô tả nó là "Mô hình giọng nói song công cho hội thoại đa ngôn ngữ." Song công nghĩa là âm thanh chảy theo cả hai hướng cùng lúc, giống một cuộc gọi điện thoại, thay vì kiểu bộ đàm nơi một bên phải chờ.
Nửa còn lại của thiết kế là ủy thác xử lý (delegation). GPT-Live quyết định khi nào một yêu cầu cần xử lý thực sự, gửi nó đến backend (một mô hình Responses của OpenAI hoặc agent riêng của bạn), tiếp tục trò chuyện trong khi backend chạy, sau đó giải thích kết quả thành lời nói.
GPT-Live-1.1 thay đổi gì so với GPT-Live-1
GPT-Live-1.1 giữ nguyên endpoint, mức giá và bộ tính năng như GPT-Live-1. Các thay đổi nằm ở chất lượng giọng nói và khả năng hoàn thành tác vụ. Dưới đây là những gì OpenAI liệt kê trong tài liệu mô hình và trong thông báo trên X:
| Hạng mục | GPT-Live-1 | GPT-Live-1.1 |
|---|---|---|
| Chuyển đổi giọng nói thành văn bản | Mức cơ bản | Chính xác hơn, theo trang mô hình |
| Giọng région và giọng nói qua các ngôn ngữ | Mức cơ bản | Đồng nhất hơn, theo trang mô hình |
| Phiên không hoạt động | Gía standby được liệt kê trên trang của nó | Standby được công bố là tùy chọn mới, $0.02/phút |
| Hoàn thành tác vụ | Mức cơ bản | "Hoàn thành tác vụ đáng tin cậy hơn nữa," theo thông báo của OpenAI |
| Endpoint | v1/live/sessions |
v1/live/sessions |
| Giá (hoạt động) | $0.05/phút | $0.05/phút |
| Giới hạn sử dụng | Số phiên đồng thời | Giới hạn phiên đồng thời riêng |
OpenAI chưa công bố các con số benchmark cho những cải tiến về chuyển đổi giọng nói hay độ tin cậy, vì vậy hãy coi chúng là tuyên bố của nhà cung cấp cho đến khi bạn tự đo lường. Ngoài ra, thông báo của OpenAI nói rằng standby là tính năng mới trong bản phát hành này, trong khi trang GPT-Live-1 hiện cũng liệt kê mức standby $0.02 tương tự.
Cả hai mô hình dùng chung endpoint và mức giá, nên việc chuyển đổi bắt đầu bằng việc đặt model của phiên thành gpt-live-1.1. Sau đó hãy chạy lại các bài đánh giá giọng nói riêng của bạn để xác nhận các cải tiến trên lưu lượng thực tế của mình.
Giá của GPT-Live-1.1
GPT-Live-1.1 tính phí phiên giọng nói theo thời lượng, không theo token. Đây là các mức giá trên trang định giá của OpenAI, được kiểm tra vào ngày 20 tháng 11 năm 2026:
| Chỉ số | Giá |
|---|---|
| Thời gian phiên hoạt động | $0.05 mỗi phút |
| Thời gian phiên chờ (standby) | $0.02 mỗi phút |
| Mô hình backend và công cụ | Tính phí riêng theo mức giá thông thường của mô hình đó |
Một vài chi tiết về tính phí cần lưu ý khi bạn ước lượng chi phí:
- Tính phí theo giây. Thời lượng không được làm tròn lên phút nguyên kế tiếp.
- Standby chỉ áp dụng cho WebRTC. Mức giá thấp hơn chỉ áp dụng cho các phiên WebRTC khi suy luận bị tạm dừng.
- Phí khởi tạo. Việc tạo một phiên WebRTC được tính 15 giây trong quá trình thiết lập, và sẽ được khấu trừ vào chi phí thời lượng khi phiên chạy.
- Backend là hóa đơn thứ hai. Các token Responses được ủy thác và các lần gọi công cụ cũng bị tính phí.
Ví dụ tính toán theo dòng thời gian trên: một phiên hỗ trợ dài 30 phút dành 20 phút hoạt động và 10 phút chờ trong khi người gọi tra cứu thông tin. Chi phí giọng nói: 20 x $0.05 + 10 x $0.02 = $1.20. Không có standby, cùng phiên đó tốn 30 x $0.05 = $1.50. Cộng thêm số tiền mô hình backend tiêu cho các tác vụ được ủy thác.
GPT-Live-1.1 hoạt động thế nào: giọng nói cộng với ủy thác xử lý
Một ứng dụng GPT-Live gồm hai phần. Hướng dẫn bắt đầu phân chia chúng như sau:
- GPT-Live đảm nhận hội thoại. Nó lắng nghe, nói và quyết định khi nào cần nhờ backend hỗ trợ. Bạn cung cấp cho nó một prompt ngắn về phong cách nói và thời điểm ủy thác.
- Backend đảm nhận các tác vụ được ủy thác. Nó suy luận, gọi công cụ và trả kết quả để GPT-Live đọc thành lời. Các chỉ dẫn chi tiết, quy tắc nghiệp vụ và luồng công cụ nằm ở đây.
- Ứng dụng của bạn kiểm soát các phần rủi ro. Nó kiểm tra quyền hạn, thu thập xác nhận, chạy các hàm tương tác với hệ thống của bạn và lưu tiến trình tác vụ.
Bạn chọn một trong hai chế độ ủy thác khi tạo phiên, và không thể chuyển đổi chế độ giữa chừng:
| Chế độ | Ai chạy backend | Chọn khi nào |
|---|---|---|
| Ủy thác Responses | OpenAI gọi mô hình Responses bạn cấu hình và truyền ngữ cảnh cùng kết quả | Bạn muốn GPT-Live tự quản lý các yêu cầu backend thay bạn |
| Ủy thác phía client | Ứng dụng của bạn chạy bất kỳ mô hình, agent hay dịch vụ nào và gửi kết quả về | Bạn cần xác thực, che giấu hoặc kết hợp kết quả, hoặc dùng backend không phải OpenAI |
Hướng dẫn về ủy thác khuyến nghị bắt đầu với ủy thác Responses. Ủy thác phía client phù hợp với các đội muốn thêm giọng nói phía trước một agent văn bản sẵn có.
Tạo phiên GPT-Live-1.1 đầu tiên của bạn
GPT-Live có endpoint riêng. Trang mô hình liệt kê v1/live/sessions là được hỗ trợ, và đánh dấu Chat Completions, Responses cùng v1/realtime là không được hỗ trợ. OpenAI khuyến nghị dùng WebRTC cho âm thanh, với WebSockets và SIP là các phương án thay thế.
Luồng WebRTC từ quickstart chạy trong năm bước:
- Trình duyệt xin quyền truy cập micro và thêm các track của nó vào một peer connection.
- Nó tạo một data channel, sau đó tạo SDP offer.
- Trình duyệt gửi offer đến server của bạn.
- Server của bạn gửi
sessionvàtransport: { type: "webrtc", sdp }đếnPOST /v1/live/sessionskèm API key. - Trình duyệt áp dụng SDP answer được trả về và chờ
session.started.
Đây là lệnh gọi server từ ví dụ TypeScript của OpenAI, rút gọn còn phần cấu hình phiên:
const result = await client.live.create({
session: {
model: "gpt-live-1.1",
instructions:
"Be concise. Delegate requests needing current information to the backend, which can search the web.",
delegation: {
type: "responses",
responses: {
model: "gpt-5.6-terra",
instructions:
"Use web search when current facts are needed. Return concise, grounded results for a spoken conversation.",
tools: [{ type: "web_search" }],
tool_choice: "auto",
},
},
},
transport: { type: "webrtc", sdp: request.body.sdp },
});
Hãy giữ API key trên server, và đừng gửi session.start trên data channel: yêu cầu HTTP đã tự khởi động phiên. OpenAI cũng cung cấp OpenAI Live Console, một ứng dụng mẫu chạy cục bộ để theo dõi hội thoại, ủy thác và hoạt động công cụ của backend.
Chế độ standby: cắt giảm chi phí khi không hoạt động
Standby giữ kết nối WebRTC mở khi không ai nói, rồi tiếp tục suy luận khi có người nói. Kết nối và session ID giữ nguyên, và lịch sử hội thoại được khôi phục khi phiên tiếp tục.
Bạn bật chế độ này bằng hai trường của phiên:
{
"session": {
"model": "gpt-live-1.1",
"wake_policy": { "type": "speech", "vad_threshold": 0.5 },
"idle_timeout_s": 20
}
}
-
wake_policy.type: "speech"chờ có tiếng nói trước khi bắt đầu suy luận. -
idle_timeout_snhận một số nguyên từ 5 đến 60. Sau số giây đó mà không có transcript đầu vào hay đầu ra nào, phiên sẽ chuyển sang standby. -
vad_thresholdnằm trong khoảng 0 đến 1 và mặc định là 0.5. Giá trị càng cao cần bằng chứng giọng nói càng rõ ràng để đánh thức.
Hãy lắng nghe session.paused và session.resumed để theo dõi trạng thái, và giữ track micro luôn hoạt động. Một điểm đánh đổi từ hướng dẫn quản lý phiên: phản hồi đầu tiên cho một câu ngắn sau standby có thể mất thời gian hơn. Với khoảng nghỉ dài, đóng phiên và tạo phiên mới có thể rẻ hơn standby.
GPT-Live-1.1 so với GPT-Realtime
Hướng dẫn voice agents của OpenAI định hình lựa chọn theo kiến trúc. GPT-Live phù hợp với hội thoại song công có backend riêng. Realtime API phù hợp với một mô hình duy nhất vừa nghe, vừa suy luận, vừa gọi công cụ và nói trong cùng một phiên.
| GPT-Live-1.1 | GPT-Realtime-2.1 | |
|---|---|---|
| Endpoint | v1/live/sessions |
v1/realtime |
| Thiết kế | Frontend giọng nói cộng backend được ủy thác | Một mô hình speech-to-speech duy nhất |
| Đầu vào | Âm thanh, văn bản | Văn bản, âm thanh, hình ảnh |
| Tính phí | $0.05/phút hoạt động, $0.02/phút standby | Theo token: $32 đầu vào, $64 đầu ra mỗi 1M audio token |
| Chi phí backend | Tính phí riêng | Đã bao gồm trong giá token |
| Phù hợp nhất với | Thêm giọng nói vào một agent văn bản sẵn có | Voice agent khép kín |
Tính phí theo phút giúp chi phí giọng nói của GPT-Live dễ dự báo với các cuộc gọi dài. Tính phí theo token trên Realtime phản ánh lượng âm thanh và văn bản truyền đi, và gói chung phần suy luận vào một mức giá. Để tìm hiểu sâu hơn về so sánh trước đây, xem GPT-Live vs GPT-Realtime và hướng dẫn GPT-Realtime-2 API của chúng tôi.
Giới hạn sử dụng và quyền truy cập
Giới hạn của GPT-Live đếm số phiên đồng thời, không phải token. GPT-Live-1.1 và GPT-Live-1 có giới hạn riêng, áp dụng trên tất cả các vùng suy luận. Trang GPT-Live-1 liệt kê 50 phiên đồng thời ở gói Build, 300 ở Launch và 500 ở Grow, đồng thời đánh dấu gói Free là không được hỗ trợ. Trang GPT-Live-1.1 chưa công bố bảng riêng của nó, nên hãy kiểm tra trang giới hạn của tổ chức bạn trước khi lên kế hoạch tải.
Kiểm thử server phiên của bạn với Apidog CLI
Tích hợp GPT-Live của bạn có một bề mặt HTTP mà bạn sở hữu: endpoint /api/session dùng để trao đổi SDP offer. Ví dụ của OpenAI trả về 403 cho origin không mong đợi và 400 cho SDP offer bị thiếu. Những đường xử lý này không bao giờ chạm đến OpenAI, nên bạn có thể kiểm thử chúng ở mỗi commit mà không tốn chi phí giọng nói. Hãy để coding agent của bạn viết và chạy các bài kiểm thử bằng Apidog CLI.
Cài CLI, đăng nhập và thêm skill Apidog vào agent của bạn:
npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com # pick your agent when prompted
Sau đó đưa cho agent một prompt duy nhất:
In Apidog project <projectId>, add POST /api/session for my GPT-Live-1.1 server.
Create test cases that assert: a request with a wrong Origin header returns 403,
a request with no sdp field returns 400. Run them against the local environment
and summarize any failures.
Agent sẽ đọc các schema, xác thực payload, tạo endpoint và các test case, rồi chạy chúng:
apidog cli-schema get endpoint-create
apidog endpoint create --project <projectId> --file ./endpoint.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file ./case.json
apidog test-case create --project <projectId> --file ./case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json
Cùng lệnh apidog run với -r junit có thể đưa vào CI; xem chạy Apidog CLI trong pipeline CI/CD. Nếu bạn dùng Claude Code, hướng dẫn Apidog CLI trong Claude Code sẽ dẫn bạn qua từng bước thiết lập. Gói Free của Apidog hỗ trợ đội nhóm tới 4 người dùng.
Câu hỏi thường gặp
GPT-Live-1.1 có sẵn trên API không? Có. OpenAI đã phát hành GPT-Live-1.1 trên API vào ngày 20 tháng 11 năm 2026, với model ID gpt-live-1.1 trên endpoint v1/live/sessions. Bài về GPT-Live API trước đây của chúng tôi ra đời trước bản phát hành này.
GPT-Live-1.1 giá bao nhiêu? $0.05 mỗi phút hoạt động và $0.02 mỗi phút standby, tính phí theo giây. Mô hình backend và việc sử dụng công cụ được tính phí riêng theo mức giá thông thường.
GPT-Live-1 và GPT-Live-1.1 khác nhau thế nào? GPT-Live-1.1 chuyển giọng nói thành văn bản chính xác hơn, giữ giọng région và chất giọng đồng nhất hơn qua các ngôn ngữ, và bổ sung tùy chọn standby cho các phiên không hoạt động. Giá và endpoint giữ nguyên.
GPT-Live-1.1 có "nhìn" được hình ảnh không? Không trực tiếp. Hãy gửi hình ảnh đến một mô hình backend hỗ trợ thị giác, mô hình này sẽ trả về văn bản cho GPT-Live sử dụng.
GPT-Live-1.1 có hỗ trợ function calling không? Có. Trang mô hình liệt kê streaming và function calling. Trên thực tế, backend của bạn xử lý các lệnh gọi công cụ thông qua ủy thác, và ứng dụng của bạn chạy các hàm tùy chỉnh.


Top comments (0)