GPT-Live-1.1 คืออะไร?

GPT-Live-1.1 คือโมเดลเสียงแบบ full-duplex ของ OpenAI ที่พร้อมใช้งานผ่าน API โดยสามารถฟังเสียงไปพร้อมกับพูดได้ มอบหมายงานการใช้เหตุผลและการเรียกใช้เครื่องมือให้กับโมเดลแบ็กเอนด์ และคิดค่าบริการ /bin/zsh.05 ต่อนาทีที่ใช้งานจริง และ /bin/zsh.02 ต่อนาทีในโหมดสแตนด์บาย ผ่าน endpoint v1/live/sessions

Ashley Innocent

Ashley Innocent

20 November 2026

GPT-Live-1.1 คืออะไร?

Apidog สำหรับองค์กร

การติดตั้งแบบ On-Premises

SSO & RBAC

รองรับมาตรฐาน SOC 2

สำรวจ Apidog Enterprise

GPT-Live-1.1 คือโมเดลเสียงแบบ full-duplex ของ OpenAI ที่เปิดให้ใช้งานผ่าน API ตั้งแต่วันที่ 20 พฤศจิกายน 2026 โมเดลนี้ฟังไปพร้อมกับพูด ส่งงานด้านการใช้เหตุผลและการเรียกใช้ tool ให้โมเดล backend ที่คุณเลือกจัดการ และคิดค่าบริการเป็นรายนาที: นาทีละ $0.05 สำหรับช่วง active และนาทีละ $0.02 สำหรับช่วง standby คุณเรียกใช้งานผ่าน endpoint เดียวคือ v1/live/sessions ไม่ใช่ Realtime API

บทความก่อนหน้าของเราเกี่ยวกับ GPT-Live คืออะไร ได้พูดถึงฟีเจอร์เสียงของ ChatGPT ก่อนที่นักพัฒนาจะเรียกใช้งานได้ บทความนี้จะกล่าวถึงโมเดล API: มีอะไรใหม่ ราคาเท่าไร session ทำงานอย่างไร และเปรียบเทียบกับ GPT-Realtime อย่างไร

GPT-Live-1.1 คืออะไร?

GPT-Live-1.1 เป็นโมเดลเสียงที่สนทนาด้วยเสียงแบบเรียลไทม์ ขณะที่โมเดล backend แยกต่างหากทำหน้าที่คิดแทน โมเดลนี้รับข้อมูลทั้งเสียงและข้อความ ส่งกลับทั้งเสียงและข้อความ และฟังต่อเนื่องขณะพูด ผู้โทรจึงสามารถขัดจังหวะหรือเพิ่มรายละเอียดกลางประโยคได้ Model ID ของมันคือ gpt-live-1.1 และรองรับการสตรีมและ function calling

หน้าโมเดล GPT-Live-1.1 อธิบายว่าเป็น “Full-duplex voice model สำหรับการสนทนาหลายภาษา” คำว่า full duplex หมายความว่าเสียงไหลไปมาพร้อมกันทั้งสองทิศทาง เหมือนการโทรศัพท์ ไม่ใช่แบบวอล์กกี้ทอล์กี้ที่ฝ่ายหนึ่งต้องรอ

อีกครึ่งหนึ่งของการออกแบบคือ delegation (การมอบหมายงาน) GPT-Live จะตัดสินใจว่าคำขอใดต้องใช้การประมวลผลจริง จึงส่งต่อไปยัง backend (โมเดล Responses ของ OpenAI หรือ agent ของคุณเอง) แล้วพูดคุยต่อไปขณะ backend ทำงาน จากนั้นจึงสรุปผลลัพธ์ออกมาเป็นเสียงพูด

อะไรเปลี่ยนไปจาก GPT-Live-1

GPT-Live-1.1 ยังคงใช้ endpoint ราคา และชุดฟีเจอร์เดิมกับ GPT-Live-1 สิ่งที่เปลี่ยนคือคุณภาพเสียงและการจัดการงาน นี่คือสิ่งที่ OpenAI ระบุไว้ในเอกสารโมเดลและในประกาศบน X:

ด้าน GPT-Live-1 GPT-Live-1.1
การถอดเสียงพูด ระดับพื้นฐาน แม่นยำขึ้น ตามหน้าโมเดล
สำเนียงและเสียงข้ามภาษา ระดับพื้นฐาน สม่ำเสมอขึ้น ตามหน้าโมเดล
Session แบบว่าง มีอัตรา standby ระบุไว้ในหน้าของตัวเอง Standby ประกาศเป็นตัวเลือกใหม่ $0.02/นาที
การทำงานสำเร็จของงาน (Task completion) ระดับพื้นฐาน “ทำงานสำเร็จได้เชื่อถือได้มากขึ้น” ตามประกาศของ OpenAI
Endpoint v1/live/sessions v1/live/sessions
ราคา (active) $0.05/นาที $0.05/นาที
Rate limits จำนวน session พร้อมกัน จำกัด session พร้อมกันแยกต่างหาก

OpenAI ยังไม่ได้เผยแพร่ตัวเลข benchmark สำหรับการพัฒนาด้านการถอดเสียงหรือความน่าเชื่อถือ จึงควรถือว่าเป็นข้ออ้างจากผู้ให้บริการจนกว่าคุณจะวัดผลเอง นอกจากนี้ ประกาศของ OpenAI ระบุว่า standby เป็นฟีเจอร์ใหม่ในรุ่นนี้ ขณะที่หน้า GPT-Live-1 ตอนนี้ก็ระบุอัตรา standby เดียวกันคือ $0.02 ไว้แล้ว

ทั้งสองโมเดลใช้ endpoint และราคาร่วมกัน การเปลี่ยนใช้จึงเริ่มจากการตั้งค่า model ของ session เป็น gpt-live-1.1 จากนั้นรัน voice eval ของคุณเองซ้ำเพื่อยืนยันว่าได้ผลลัพธ์ดีขึ้นกับ traffic ของคุณจริง

ราคาของ GPT-Live-1.1

GPT-Live-1.1 คิดค่าบริการ voice session ตามระยะเวลา ไม่ใช่ตาม token อัตราต่อไปนี้มาจากหน้าราคาของ OpenAI เช็คเมื่อวันที่ 20 พฤศจิกายน 2026:

เกณฑ์ ราคา
เวลา session แบบ active $0.05 ต่อนาที
เวลา session แบบ standby $0.02 ต่อนาที
โมเดล backend และ tools คิดค่าบริการแยกตามอัตราปกติของโมเดลนั้น

รายละเอียดการคิดค่าบริการบางประการที่สำคัญเมื่อคุณประมาณต้นทุน:

ไทม์ไลน์ของ GPT-Live-1.1 session นาน 30 นาที สลับระหว่างช่วง active ที่นาทีละ $0.05 และช่วง standby ที่นาทีละ $0.02

ตัวอย่างการคำนวณจากไทม์ไลน์ด้านบน: session สนับสนุนลูกค้านาน 30 นาที ใช้เวลา active 20 นาที และ standby 10 นาทีขณะผู้โทรค้นหาข้อมูล ค่าใช้จ่ายด้านเสียง: 20 x $0.05 + 10 x $0.02 = $1.20 หากไม่มี standby session เดียวกันจะมีค่าใช้จ่าย 30 x $0.05 = $1.50 เพิ่มเติมด้วยค่าใช้จ่ายของโมเดล backend ในงานที่ถูกมอบหมาย

GPT-Live-1.1 ทำงานอย่างไร: เสียงบวกกับการมอบหมายงาน

แอปพลิเคชัน GPT-Live มีสองส่วน คู่มือเริ่มต้นใช้งาน แบ่งส่วนเหล่านี้ดังนี้:

  1. GPT-Live ดูแลการสนทนา มันฟัง พูด และตัดสินใจว่าเมื่อไรควรขอความช่วยเหลือจาก backend คุณจะให้ prompt สั้น ๆ ว่าด้วยสไตล์การพูดและเงื่อนไขการมอบหมายงาน
  2. Backend ดูแลงานที่ถูกมอบหมาย มันคิดเหตุผล เรียกใช้ tools และส่งผลลัพธ์กลับให้ GPT-Live พูดออกมาเป็นเสียง คำสั่งที่ละเอียด กฎทางธุรกิจ และ workflow ของ tools อยู่ส่วนนี้
  3. แอปพลิเคชันของคุณเป็นเจ้าของส่วนที่มีความเสี่ยง มันตรวจสอบสิทธิ์ เก็บการยืนยัน รันฟังก์ชันที่สัมผัสระบบของคุณ และบันทึกความคืบหน้าของงาน
แผนภาพแสดงผู้โทรสนทนากับ GPT-Live-1.1 ซึ่งมอบหมายงานให้โมเดล backend ที่มี tools และรับผลลัพธ์กลับ ขณะที่แอปของคุณดูแลสิทธิ์และฟังก์ชันต่าง ๆ

คุณเลือกโหมดการมอบหมายงานหนึ่งในสองโหมดตอนสร้าง session และไม่สามารถเปลี่ยนโหมดกลาง session ได้:

โหมด ใครรัน backend เลือกใช้เมื่อ
Responses delegation OpenAI เรียกโมเดล Responses ที่คุณตั้งค่าไว้ และส่งต่อบริบทและผลลัพธ์ คุณต้องการให้ GPT-Live จัดการคำขอไปยัง backend ให้คุณ
Client delegation แอปพลิเคชันของคุณรันโมเดล agent หรือบริการใดก็ได้ แล้วส่งผลลัพธ์กลับ คุณต้องตรวจสอบ ปกปิด หรือรวมผลลัพธ์ หรือใช้ backend ที่ไม่ใช่ OpenAI

คู่มือ delegation แนะนำให้เริ่มด้วย Responses delegation ส่วน Client delegation เหมาะกับทีมที่ต้องการเพิ่มเสียงให้ text agent ที่มีอยู่แล้ว

สร้าง GPT-Live-1.1 session แรกของคุณ

GPT-Live มี endpoint ของตัวเอง หน้าโมเดลระบุว่ารองรับ v1/live/sessions และระบุว่าไม่รองรับ Chat Completions, Responses และ v1/realtime OpenAI แนะนำให้ใช้ WebRTC สำหรับเสียง โดยมี WebSockets และ SIP เป็นทางเลือก

ขั้นตอน WebRTC จากquickstart ทำงาน 5 ขั้นตอน:

  1. เบราว์เซอร์ขอสิทธิ์เข้าถึงไมโครโฟนและเพิ่ม track ของตัวเองไปยัง peer connection
  2. มันสร้าง data channel แล้วสร้าง SDP offer
  3. เบราว์เซอร์ส่ง offer ไปยังเซิร์ฟเวอร์ของคุณ
  4. เซิร์ฟเวอร์ของคุณส่ง session และ transport: { type: "webrtc", sdp } ไปที่ POST /v1/live/sessions พร้อม API key ของคุณ
  5. เบราว์เซอร์นำ SDP answer ที่ได้รับกลับมาใช้ และรอ session.started

นี่คือการเรียกจากฝั่งเซิร์ฟเวอร์จากตัวอย่าง TypeScript ของ OpenAI ตัดให้เหลือเฉพาะ session config:

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 },
});

ให้ API key อยู่ฝั่งเซิร์ฟเวอร์ และอย่าส่ง session.start บน data channel: คำขอ HTTP ได้เริ่ม session ไปแล้ว OpenAI ยังเผยแพร่ OpenAI Live Console ซึ่งเป็นแอปตัวอย่างแบบ local สำหรับดูการสนทนา การมอบหมายงาน และกิจกรรมของ backend tools

โหมด Standby: ลดต้นทุนช่วงที่ไม่มีการใช้งาน

Standby ทำให้การเชื่อมต่อ WebRTC ยังคงเปิดอยู่ขณะไม่มีใครพูด แล้วกลับมาทำ inference ต่อเมื่อมีคนพูด การเชื่อมต่อและ session ID ยังคงเดิม และประวัติการสนทนาจะกลับมาเมื่อ session กลับมาทำงาน

คุณเปิดใช้งานด้วยสองฟิลด์ของ session:

{
  "session": {
    "model": "gpt-live-1.1",
    "wake_policy": { "type": "speech", "vad_threshold": 0.5 },
    "idle_timeout_s": 20
  }
}

ฟัง event session.paused และ session.resumed เพื่อติดตามสถานะ และให้ track ไมโครโฟนทำงานต่อเนื่อง ข้อแลกเปลี่ยนหนึ่งจากคู่มือจัดการ session: คำตอบแรกสำหรับข้อความสั้น ๆ หลังจาก standby อาจใช้เวลานานขึ้น สำหรับช่วงเว้นวรรคที่ยาวนาน การปิด session แล้วเริ่มใหม่อาจถูกกว่า standby

GPT-Live-1.1 เทียบกับ GPT-Realtime

คู่มือ voice agents ของ OpenAI อธิบายการเลือกใช้ด้วยมุมมองสถาปัตยกรรม GPT-Live เหมาะกับการสนทนาแบบ full-duplex ที่มี backend แยกต่างหาก Realtime API เหมาะกับโมเดลเดียวที่ฟัง คิด เรียกใช้ tools และพูดใน session เดียว

GPT-Live-1.1 GPT-Realtime-2.1
Endpoint v1/live/sessions v1/realtime
การออกแบบ Frontend เสียง บวกกับ backend แบบมอบหมายงาน โมเดล speech-to-speech เดี่ยว
อินพุต เสียง, ข้อความ ข้อความ, เสียง, รูปภาพ
การคิดค่าบริการ $0.05/นาที active, $0.02/นาที standby ตาม token: $32 ขาเข้า, $64 ขาออก ต่อ audio token 1M
ค่า backend คิดค่าบริการแยก รวมอยู่ในราคา token
เหมาะกับ การเพิ่มเสียงให้ text agent ที่มีอยู่แล้ว Voice agent แบบสมบูรณ์ในตัวเอง

การคิดค่าบริการรายนาทีทำให้ค่าใช้จ่ายเสียงของ GPT-Live คาดการณ์ได้ง่ายสำหรับสายที่ยาวนาน การคิดค่าตาม token บน Realtime ติดตามปริมาณเสียงและข้อความที่ไหลผ่าน และรวมค่าการคิดเหตุผลไว้ในราคาเดียว ดูบทวิเคราะห์เปรียบเทียบฉบับก่อนหน้าเพิ่มเติมได้ที่ GPT-Live vs GPT-Realtime และคู่มือ GPT-Realtime-2 API ของเรา

Rate limits และการเข้าถึง

Rate limits ของ GPT-Live นับจำนวน session พร้อมกัน ไม่ใช่ token GPT-Live-1.1 และ GPT-Live-1 มีขีดจำกัดแยกกันซึ่งใช้กับทุก inference region หน้า GPT-Live-1 ระบุว่ามี 50 session พร้อมกันใน tier Build, 300 ใน Launch และ 500 ใน Grow โดยระบุว่า tier Free ไม่รองรับ หน้า GPT-Live-1.1 ยังไม่เผยแพร่ตารางของตัวเอง จึงควรตรวจสอบหน้า limits ขององค์กรคุณก่อนวางแผนรองรับโหลด

ทดสอบเซิร์ฟเวอร์ session ของคุณด้วย Apidog CLI

การเชื่อมต่อ GPT-Live ของคุณมีส่วน HTTP ที่คุณเป็นเจ้าของ: endpoint /api/session ที่แลกเปลี่ยน SDP offer ตัวอย่างของ OpenAI คืน 403 สำหรับ origin ที่ไม่คาดคิด และ 400 สำหรับ SDP offer ที่ขาดหาย เส้นทางเหล่านี้ไม่เคยไปถึง OpenAI คุณจึงทดสอบได้ทุก commit โดยไม่มีค่าใช้จ่ายด้านเสียง ให้ coding agent ของคุณเขียนและรันเทสต์ด้วย Apidog CLI

ติดตั้ง CLI, ล็อกอิน และเพิ่ม Apidog skill ให้ agent ของคุณ:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

จากนั้นสั่ง agent ด้วย prompt เดียว:

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 จะอ่าน schema, ตรวจสอบ payload, สร้าง endpoint และ test case แล้วรัน:

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

apidog run คำสั่งเดียวกันเมื่อใส่ -r junit จะใช้ใน CI ได้ทันที ดูการรัน Apidog CLI ใน CI/CD pipeline หากคุณใช้ Claude Code คู่มือ Apidog CLI ใน Claude Code จะพาไปทีละขั้นตอนการตั้งค่า แผน Free ของ Apidog รองรับทีมได้ถึง 4 ผู้ใช้

คำถามที่พบบ่อย

GPT-Live-1.1 ใช้งานผ่าน API ได้หรือไม่? ได้ OpenAI เปิดให้ใช้ GPT-Live-1.1 ผ่าน API เมื่อวันที่ 20 พฤศจิกายน 2026 ด้วย model ID gpt-live-1.1 บน endpoint v1/live/sessions บทความ GPT-Live API ก่อนหน้าของเราตีพิมพ์ก่อนรุ่นนี้ออก

GPT-Live-1.1 ราคาเท่าไร? $0.05 ต่อนาที active และ $0.02 ต่อนาที standby คิดเป็นรายวินาที ค่าใช้จ่ายโมเดล backend และการใช้ tool คิดแยกตามอัตราปกติของแต่ละตัว

GPT-Live-1 กับ GPT-Live-1.1 ต่างกันอย่างไร? GPT-Live-1.1 ถอดเสียงพูดได้แม่นยำขึ้น คงสำเนียงและคุณภาพเสียงให้สม่ำเสมอขึ้นข้ามภาษา และเพิ่มตัวเลือก standby สำหรับ session ที่ว่าง ราคาและ endpoint เหมือนเดิม

GPT-Live-1.1 มองเห็นรูปภาพได้หรือไม่? ไม่โดยตรง ให้ส่งรูปภาพไปยังโมเดล backend ที่รองรับ vision ซึ่งจะคืนข้อความให้ GPT-Live นำไปใช้

GPT-Live-1.1 รองรับ function calling หรือไม่? รองรับ หน้าโมเดลระบุว่ารองรับ streaming และ function calling ในทางปฏิบัติ backend ของคุณเป็นผู้จัดการ tool calls ผ่าน delegation และแอปพลิเคชันของคุณรัน custom functions ต่าง ๆ

ฝึกการออกแบบ API แบบ Design-first ใน Apidog

ค้นพบวิธีที่ง่ายขึ้นในการสร้างและใช้ API