الانتقال إلى المحتوى الرئيسي
يدعم GPT-Live الاستماع والتحدث في الوقت نفسه، والترجمات الثنائية، والمهام الخلفية. تستخدم مكالمات ChatGPT الصوتية في Studio ‏gpt-live-1 لمعالجة الصوت، بينما تستمر الأسئلة المعقدة في المعالجة بواسطة نموذج الدردشة المحدد حاليًا.

الاتصال

استخدم Platform API Token للاتصال بـ wss://realtime.acedata.cloud/v1/live/sessions. تستخدم بيانات اعتماد Studio أو خدمة الدردشة wss://realtime.acedata.cloud/aichat2/live. يقوم الخادم بالمصادقة عبر Authorization: Bearer <token>؛ ويمرر المتصفح بيانات الاعتماد عبر بروتوكول WebSocket الفرعي لتجنب كتابتها في URL:
بعد انتظار session.started، أرسل session.input_audio.append بشكل متواصل، حيث يكون audio هو Base64 للصوت الخام PCM أحادي القناة، بمعدل 24 kHz، و16 بت little-endian، من دون ترويسة ملف WAV. أرسل الصوت وفقًا لمعدل أخذ العينات الفعلي، ويجب أن تبقى المقاطع الصامتة متواصلة أيضًا. شغّل session.output_audio.delta.delta بالترتيب. تأتي ترجمات المستخدم والمساعد من session.input_transcript.delta وsession.output_transcript.delta على التوالي، مع الاحتفاظ بـ delta وstart_ms وend_ms لكل مقطع؛ وقد تنمو ترجمات الطرفين في الوقت نفسه. لا يحتوي Live على حدث انتهاء لكل رد صوتي، ويجب تحديث حالة «جارٍ الرد» وفقًا لقائمة التشغيل المحلية.

المهام الخلفية

يدعم حاليًا وضع التفويض client. بعد تلقي session.delegation.created، يستدعي التطبيق الخلفية الخاصة به بناءً على الترجمات الصوتية والسياق المحفوظ، ويعيد النتائج عبر session.thinking.append أو session.commentary.append، مع تضمين delegation_id المقابل وcontent نصيًا خالصًا بحد أقصى 500 token. يجب أن تأتي النتائج من عمليات خلفية مكتملة؛ ولا يعني انقطاع الصوت أن المهمة الخلفية قد أُلغيت. لا يتم دعم تفويض Responses المُدار، أو تخزين التسجيلات، أو session.update، أو استئناف الجلسة، أو إعادة الاتصال التلقائية في الوقت الحالي. النموذج ثابت على gpt-live-1، والصوت ثابت على PCM16 بمعدل 24 kHz، ويتم اختيار الصوت عند بدء المكالمة. لا يزال بإمكانك استخدام Realtime API القديم.

الفوترة وإنهاء المكالمة

تُحتسب تكلفة الصوت بحسب مدة الجلسة النشطة: 0.01 Credits/ثانية، أي 0.6 Credits/دقيقة، دون التقريب إلى الدقيقة الكاملة التالية. تُحتسب مدة تحدث المستخدم، وتحدث المساعد، والصمت، وصمت الطرفين، وانتظار المهام الخلفية. وتُحتسب استدعاءات النماذج أو الأدوات الخلفية بشكل منفصل وفقًا لواجهة API المعنية. يعتمد سعر الدولار المقابل لـ Credits على باقة الشحن، ويُرجع إلى السعر الحالي في لوحة التحكم. session.usage.updated.usage.seconds هو استخدام تراكمي. على سبيل المثال، إذا تم استلام 12 ثانية أولًا ثم 15 ثانية، فالإجمالي هو 15 ثانية. لا تسوّي المنصة إلا المدة المضافة حديثًا ولا تجمع اللقطات التراكمية بشكل مكرر. عند الإنهاء، أرسل session.close، ثم استمر في الاستقبال حتى يتم تلقي session.closed، وبعد ذلك أغلق الاتصال وحرّر الميكروفون. قد يؤدي الفصل القسري إلى عدم تأكيد الاستخدام النهائي، ويجب أن تعرض الواجهة ذلك بوضوح. ينتهي الاتصال عند عدم كفاية الرصيد أو فشل الفوترة أو الوصول إلى حد الجلسة. الحد الأقصى الافتراضي للمكالمة الواحدة هو 30 دقيقة. تُعاد أخطاء المعلمات عبر حدث error؛ ويتوافق error.client_event_id مع أمر فاشل. عند فشل البدء، يجب إيقاف التسجيل وعرض الخطأ لتجنب أن تؤدي الطلبات المتكررة إلى رسوم جديدة.