Saltar para o conteúdo principal
O GPT-Live oferece suporte para ouvir e falar simultaneamente, legendas bidirecionais e tarefas em segundo plano. A chamada de voz do ChatGPT no Studio usa gpt-live-1 para processar a voz, e questões complexas continuam sendo processadas pelo modelo de chat atualmente selecionado.

Conexão

Use o API Token da plataforma para conectar a wss://realtime.acedata.cloud/v1/live/sessions. As credenciais do Studio ou do serviço de chat usam wss://realtime.acedata.cloud/aichat2/live. O servidor autentica por meio de Authorization: Bearer <token>; o navegador transmite as credenciais por meio do subprotocolo WebSocket, evitando escrevê-las na URL:
Após aguardar session.started, envie continuamente session.input_audio.append, em que audio é o Base64 de áudio bruto PCM little-endian de 16 bits, mono, a 24 kHz, sem incluir o cabeçalho do arquivo WAV. Envie o áudio na velocidade de amostragem real, e os segmentos silenciosos também devem permanecer contínuos. Reproduza em ordem session.output_audio.delta.delta. As legendas do usuário e do assistente vêm respectivamente de session.input_transcript.delta e session.output_transcript.delta; preserve o delta, start_ms e end_ms de cada segmento; as legendas de ambas as partes podem crescer simultaneamente. O Live não tem um evento de término para cada resposta de voz, devendo-se atualizar o estado de “respondendo” com base na fila de reprodução local.

Tarefas em segundo plano

Atualmente, o modo de delegação client é compatível. Após receber session.delegation.created, o aplicativo chama seu próprio back-end com base nas legendas de voz e no contexto salvo, e retorna o resultado por meio de session.thinking.append ou session.commentary.append, incluindo o delegation_id correspondente e content em texto simples de no máximo 500 tokens. Os resultados devem vir de operações de back-end concluídas; a interrupção da voz não significa que a tarefa em segundo plano foi cancelada. A delegação Responses hospedada, o armazenamento de gravações, session.update, a recuperação de sessão ou a reconexão automática ainda não são compatíveis. O modelo é fixo em gpt-live-1, o áudio é fixo em PCM16 a 24 kHz, e a voz é selecionada ao iniciar a chamada. A antiga API Realtime ainda pode ser usada.

Cobrança e encerramento de chamadas

A voz é cobrada conforme a duração da sessão ativa: 0,01 Credits/segundo, ou seja, 0,6 Credits/minuto, sem arredondamento para minutos inteiros. O tempo em que o usuário fala, o assistente fala, há silêncio, ambas as partes estão em silêncio ou há espera por tarefas em segundo plano é cobrado. Chamadas a modelos ou ferramentas em segundo plano são cobradas separadamente conforme a API correspondente. O preço em dólares americanos dos Credits depende do pacote de recarga; consulte os preços atuais no console. session.usage.updated.usage.seconds representa o uso acumulado. Por exemplo, se forem recebidos primeiro 12 segundos e depois 15 segundos, o total será de 15 segundos. A plataforma cobra apenas a duração adicional e não soma snapshots repetidamente. Ao encerrar, envie session.close e continue recebendo até receber session.closed; então feche a conexão e libere o microfone. Uma desconexão forçada pode fazer com que o uso final não seja confirmado, e a interface deve informar isso claramente. A conexão será encerrada em caso de saldo insuficiente, falha na cobrança ou atingimento do limite da sessão. Por padrão, uma chamada individual pode durar no máximo 30 minutos. Erros de parâmetro são retornados pelo evento error; error.client_event_id corresponde a um comando com falha. Em caso de falha na inicialização, interrompa a gravação e exiba o erro para evitar que solicitações repetidas gerem novos custos.