ToolNavs 便利なAIツールを発見
ツール投稿 ログイン
戻るAI情報
GPT-Live-1.1がOpenAI APIに登場:音声待機は毎分0.02ドル、6割安く

GPT-Live-1.1がOpenAI APIに登場:音声待機は毎分0.02ドル、6割安く

AI情報 • Admin • • 17 回閲覧

2026年11月19日、OpenAIの開発者アカウントは、音声モデルGPT-Live-1.1をAPIで開発者に開放したと発表した。モデルIDはgpt-live-1.1。同時に始まったのが待機(Standby)課金だ。通話が設定時間を超えて無音になると、推論は一時停止し、接続は維持されたまま、料金は毎分0.02ドルになる。通常通話の0.05ドルより6割安い。今回の更新の要点は、モデルがどれだけ賢くなったかではなく、音声エージェントを長時間オンラインにしておくことが、請求書の上で初めて安くなったことだ。

高いのは無音の時間:待機モードの料金の仕組み

音声通話のコストは、話している時間にかかるとは限らない。カスタマーサポートの担当者が顧客の注文番号を探すのを待ち、電話の向こうが長時間無言でも、モデルは分単位で課金され続ける。待機モードはまさにその空白を狙ったものだ。開発者は無音タイムアウトを5秒から60秒の間で設定でき、タイムアウトを超えるとモデルの推論は一時停止し、WebRTC接続と会話履歴は維持され、誰かが話し始めると自動的に再開する。無音の時間は毎分0.02ドルで、秒単位で課金される。OpenAIの計算では、10分間の無音は待機モードで0.20ドル、通常料金では0.50ドルになる。この設定はGPT-Live-1と1.1の両方で使え、課金の対象は音声セッションそのものだけで、バックエンドのモデルやツールの利用は別料金だ。

GPT-Live-1.1はまったく新しいモデルではない。10月15日以降、ChatGPT PlusとProの音声の背後で動いてきたモデルで、今回初めてAPI開発者に渡された。OpenAIが挙げる改善点は3つとも具体的だ。多言語のアクセントがより安定し、ドイツ語や日本語を話すときに英語のアクセントに滑りにくくなったこと。つづりで伝える文字や電話番号、注文番号、確認コードといった正確な情報の認識がより正確になったこと。指示への追従が強くなり、複雑な作業を音声の会話を中断せずにバックエンドのエージェントに任せられるようになったこと。APIには38の音声IDが追加され、そのうち7つが新しく、スペイン語寄りのcalandria、hornero、luciernagaが含まれる。

開発者にとって、今回の更新の取捨選択もはっきりしている。GPT-Liveは聞きながら話す全二重の会話に対応し、WebRTCが推奨の接続方法で、WebSocketや電話のSIPにも対応する。だが構造化出力やファインチューニングには対応せず、入出力はテキストと音声だけで、画像や動画は扱えず、セルフホストの選択肢もない。つまり、カスタマーサービスや電話アシスタントのような、常時オンラインの音声窓口に向いている。細かく制御したいテキストのタスクなら、別のインターフェースを使うべきだ。音声の競争は今年もともと激しい。ElevenLabsは日本の音声企業Kotobaを1億ドル超で買収したばかりだ。マイクロソフトの新しい音声モデルは毎分1セントだ。音声モデルの競争は「話せるかどうか」から「黙ってつないでおくといくらかかるか」へ移りつつある。

おすすめツール

もっと見る