GPT-Live-1 aynı anda dinleyip konuşuyor; ön katman dakikası 0,05 dolar
OpenAI, GPT-Live-1’i 10 Eylül 2026’da geliştirici API’sinde kullanıma açtı. OpenAI’nin ürün duyurusu, tam çift yönlü modelin aynı anda dinleyip konuşabildiğini ve ön ses katmanının dakikada 0,05 dolar olduğunu belirtiyor.
Bu bedel, çalışan bir telefon temsilcisinin toplam dakika fiyatı değil. GPT-Live-1 sesli konuşmayı yürütürken daha derin akıl yürütme ve araç kullanımı ayrı bir arka uca devredilebiliyor; arka uç modelinin tüketimi, ücretli araçlar ve telefon sağlayıcısının bağlantı giderleri ayrıca hesaplanıyor.
Tek model iki ses yönünü birlikte işliyor
GPT-Live-1’in ayırt edici özelliği yalnızca düşük gecikmeyle yanıt üretmesi değil, yanıt verirken gelen sesi işlemeyi sürdürmesi. Böylece kullanıcı model konuşurken araya girebiliyor, kısa bir onay verebiliyor veya talebini değiştirebiliyor. Model, gelen ve giden sesi aynı bağlam içinde değerlendirerek konuşmasını buna göre durdurabiliyor ya da uyarlayabiliyor.
Klasik STT–LLM–TTS mimarisinde kullanıcının sesi önce metne çevrilir, metin bir dil modeline gönderilir ve üretilen yanıt yeniden sese dönüştürülür. Bu üç aşamanın arasındaki her aktarım gecikme yaratabilir; ayrıca kesme, sessizlik ve yarım kalan yanıtların nasıl ele alınacağını uygulama katmanının düzenlemesi gerekir.
Tam çift yönlü yapı, dinleme ile konuşmayı birbirini izleyen katı sıralar olmaktan çıkarıyor. Bunun sonucu, kullanıcının düşünürken verdiği kısa araların konuşmanın sonu sayılmaması ve “bir dakika” ya da düzeltilmiş bir adres gibi müdahalelerin yanıt tamamlanmadan işlenebilmesi. Ancak doğal görünen bu davranışın başarısı, oturum talimatlarına ve uygulamanın kesme kurallarına da bağlı.
0,05 dolar toplam çağrı maliyeti değil
Dakikada 0,05 dolar yalnızca ön ses katmanının fiyatı. TokenCost’un fiyat incelemesine göre aktif oturum saniye üzerinden ölçülüyor; kullanıcının konuştuğu, asistanın yanıt verdiği, iki tarafın sustuğu ve arka ucun çalıştığı süre sayaca dahil. Seçilen arka uç modeli ise kendi token tarifesiyle ikinci bir fatura kalemi oluşturuyor.
Dolayısıyla on dakikalık koşullu bir oturumun yalnızca GPT-Live-1 ses bedeli 0,50 dolar eder. Buna arka uç modelinin giriş ve çıkış tokenları, varsa ücretli araç çağrıları ve telefon hattını canlı oturuma bağlayan sağlayıcının bedeli eklenir. Türkiye’deki nihai maliyet ayrıca sağlayıcının tarifesine, vergilere ve ödeme anındaki döviz kuruna göre değişebilir.
Toplam maliyeti dört ayrı kalemde düşünmek gerekir: GPT-Live-1 oturum süresi, arka uç model tüketimi, araç çağrıları ve telefon altyapısı. Yalnızca konuşulan saniyeleri saymak, özellikle bekleme ve sessizlik içeren çağrılarda eksik tahmin üretir. Arka uç bir görevi çözerken canlı oturum açık kalırsa hem ses sayacı ilerler hem de arka uç kendi tarifesiyle çalışır.
Arka uç modelini ve bağlantıyı uygulama belirliyor
GPT-Live-1 konuşmanın ritmini yönetiyor, fakat her görevi tek başına çözmek zorunda değil. GPT-Live geliştirici kılavuzu, Responses delegasyonunda desteklenen bir modelin seçilebildiğini; istemci delegasyonunda ise uygulamanın işlettiği herhangi bir model, ajan düzeni veya hizmetin bağlanabildiğini açıklıyor. Aynı kılavuz tarayıcı uygulamaları için WebRTC, sunucu tarafındaki ses entegrasyonları için WebSocket, telefon bağlantıları için de SIP yollarını gösteriyor.
Bu ayrım nedeniyle “GPT-Live-1 hangi arka uç modeli kullanıyor?” sorusunun tek bir cevabı yok. Sipariş sorgulama, rezervasyon kaydı, arama veya daha karmaşık muhakeme farklı arka uçlara gönderilebilir. Hız, görev başarısı ve toplam maliyet; ön ses katmanı, seçilen arka uç ve araçların birlikte çalışmasından doğar.
Yetkiler ve kalıcı görev durumu da uygulamanın sorumluluğunda kalıyor. Kullanıcının araya girmesi sesli yanıtı durdurabilir, ancak daha önce başlatılmış bir arka uç işi otomatik olarak iptal edilmiyor. Uygulama, eski görevin sürüp sürmeyeceğine, yeni bilginin mevcut göreve eklenip eklenmeyeceğine ve geç gelen sonucun kullanıcıya aktarılıp aktarılmayacağına karar vermeli.
Telefon görüşmesinde kesme davranışı gecikme kadar önemli
Bir telefon ajanının hızlı yanıt vermesi tek başına doğal bir görüşme sağlamıyor. Arayan kişi hesap numarasını hatırlamak için durduğunda sistem sessizliği sıra sonu sanırsa erken konuşmaya başlayabilir. Kullanıcı yanıt sırasında “adres değişti” diye araya girdiğinde eski yanıtın sürmesi de düşük gecikmeli fakat işlevsiz bir deneyim yaratır.
Örnek bir mimaride telefon sağlayıcısı çağrıyı SIP üzerinden canlı oturuma taşır; GPT-Live-1 konuşmayı yürütür ve gerektiğinde görevi arka uca devreder. İş sonucu aynı oturuma dönerken uygulama kimlik doğrulamasını, izinleri, araç çağrılarını, kalıcı durumu ve iptal kararlarını yönetir. Böylece ses modelinin konuşma rolü ile iş sistemlerinin yetkileri birbirine karışmaz.
API sürümüyle kesinleşen tablo şu: GPT-Live-1 aynı anda dinleyip konuşabilen bir ön ses katmanı olarak kullanılabiliyor ve bu katman dakikada 0,05 dolar. Buna karşılık OpenAI tek bir toplam telefon görüşmesi fiyatı vermiyor; gerçek tutar oturum süresi, arka uç seçimi, araç kullanımı ve telefon sağlayıcısına göre oluşuyor. Geliştirici ekiplerin hâlâ kendi çağrı dağılımlarında ölçmesi gereken temel değişkenler, sessizlik süresi, kesme sonrası toparlanma, tamamlanmayan görevler ve arka uç bekleme süresi olacak.
Ayrıca okuyun:
Bültenimize abone olun
En son Web3, yapay zekâ ve kripto haberleri doğrudan gelen kutunuza gelsin.