Passer au contenu principal
GPT-Live prend en charge l’écoute et la parole simultanées, les sous-titres bidirectionnels et les tâches en arrière-plan. Les appels vocaux ChatGPT de Studio utilisent gpt-live-1 pour traiter la voix, tandis que les questions complexes continuent d’être traitées par le modèle de chat actuellement sélectionné.

Connexion

Utilisez le jeton API de la plateforme pour vous connecter à wss://realtime.acedata.cloud/v1/live/sessions. Utilisez wss://realtime.acedata.cloud/aichat2/live pour les identifiants de Studio ou du service de chat. Le serveur s’authentifie via Authorization: Bearer <token> ; le navigateur transmet les identifiants via le sous-protocole WebSocket afin d’éviter de les écrire dans l’URL :
Après avoir attendu session.started, envoyez continuellement session.input_audio.append, où audio est l’audio brut PCM 24 kHz, mono, 16 bits little-endian encodé en Base64, sans en-tête de fichier WAV. Envoyez l’audio à la vitesse d’échantillonnage réelle, et maintenez également la continuité pour les segments silencieux. Lisez dans l’ordre session.output_audio.delta.delta. Les sous-titres de l’utilisateur et de l’assistant proviennent respectivement de session.input_transcript.delta et session.output_transcript.delta ; conservez pour chaque segment delta, start_ms et end_ms ; les sous-titres des deux parties peuvent s’allonger simultanément. Live ne dispose pas d’événement de fin pour chaque réponse vocale ; l’état « en cours de réponse » doit être mis à jour en fonction de la file de lecture locale.

Tâches en arrière-plan

Le mode de délégation client est actuellement pris en charge. Après avoir reçu session.delegation.created, l’application appelle son propre backend en fonction des sous-titres vocaux et du contexte enregistré, puis renvoie le résultat via session.thinking.append ou session.commentary.append, en incluant le delegation_id correspondant et un content en texte brut de 500 tokens maximum. Les résultats doivent provenir d’opérations en arrière-plan terminées ; l’interruption de la voix ne signifie pas que la tâche en arrière-plan a été annulée. La délégation Responses hébergée, le stockage des enregistrements, session.update, la reprise de session ou la reconnexion automatique ne sont pas encore pris en charge. Le modèle est fixé à gpt-live-1, l’audio est fixé au PCM16 à 24 kHz, et la voix est choisie au début de l’appel. L’ancienne API Realtime reste utilisable.

Facturation et fin d’appel

La voix est facturée selon la durée de session active : 0,01 crédit/seconde, soit 0,6 crédit/minute, sans arrondi à la minute supérieure. Le temps pendant lequel l’utilisateur parle, l’assistant parle, le silence, le silence des deux parties et l’attente de tâches en arrière-plan sont tous facturés. Les appels de modèles ou d’outils en arrière-plan sont facturés séparément selon l’API correspondante. Le prix en dollars des crédits dépend du forfait de recharge ; référez-vous au prix actuel indiqué dans la console. session.usage.updated.usage.seconds représente une utilisation cumulative. Par exemple, si 12 secondes sont d’abord reçues, puis 15 secondes, le total est de 15 secondes. La plateforme ne facture que la durée supplémentaire et n’additionne pas les instantanés en double. À la fin, envoyez session.close et continuez à recevoir les données jusqu’à réception de session.closed ; fermez ensuite la connexion et libérez le microphone. Une déconnexion forcée peut empêcher la confirmation de l’utilisation finale ; l’interface doit le signaler clairement. La connexion prend fin en cas de solde insuffisant, d’échec de facturation ou d’atteinte de la limite de session. Par défaut, un appel unique est limité à 30 minutes. Les erreurs de paramètres sont renvoyées via l’événement error ; error.client_event_id correspond à une commande ayant échoué. En cas d’échec du démarrage, arrêtez l’enregistrement et affichez l’erreur afin d’éviter que des requêtes répétées n’engendrent de nouveaux frais.