Mercado · IA na prática
GPT-Live-1.1 chega à API da OpenAI com modo de espera a US$ 0,02 por minuto
O GPT-Live-1.1, modelo de voz que escuta enquanto fala, chegou à API da OpenAI. Com o standby, depois de 5 a 60 segundos sem fala a inferência pausa, a chamada WebRTC segue aberta e o minuto cai de US$ 0,05 para US$ 0,02.
O que as fontes registram
O GPT-Live-1.1 é o novo modelo de voz full-duplex da OpenAI, que escuta e fala ao mesmo tempo. Na comparação com o GPT-Live-1, a empresa diz que ele transcreve a fala com mais precisão e mantém sotaque e voz mais consistentes entre idiomas. O desenvolvedor descreve em linguagem comum quando o modelo deve passar uma tarefa para o backend, para raciocínio ou uso de ferramentas. O modelo roda nas sessões Live da API e recebe áudio e texto.
O standby vale para sessões WebRTC do GPT-Live-1 e do GPT-Live-1.1. O desenvolvedor define um tempo de 5 a 60 segundos sem transcrição de entrada ou de saída, e depois disso a inferência pausa. A conexão e o identificador da sessão continuam os mesmos, e a conversa retoma com o histórico quando alguém volta a falar. A OpenAI avisa que a primeira resposta depois da pausa pode demorar um pouco mais.
A sessão é cobrada por duração, a US$ 0,05 por minuto quando ativa e US$ 0,02 por minuto em standby, 60% a menos. O uso do modelo de backend e das ferramentas é cobrado à parte. Entre as vozes listadas no guia da OpenAI, duas são em português com sotaque brasileiro, Bossa e Tempo.
Minha leitura
Ligação de atendimento tem muito silêncio, com o cliente procurando o cartão, esperando o código chegar ou lendo um número. Com o tempo parado mais barato, manter um agente de voz na linha durante a conversa inteira fica mais fácil de justificar em serviços financeiros, e a voz tende a ser a primeira interface de agente que muito cliente de banco vai usar de verdade.