gpt-live-1.1 : OpenAI améliore ses agents vocaux
OpenAI propose gpt-live-1.1 dans l’API : meilleure transcription, voix plus stable entre langues et tarification standby pour WebRTC.

OpenAI met gpt-live-1.1 à disposition des développeurs pour créer des agents vocaux en temps réel. Le modèle vise les conversations multilingues, avec des gains annoncés sur la transcription, l’accent et la cohérence de la voix.
Pour les équipes produit, support ou IT, l’enjeu est aussi économique. Les sessions vocales GPT-Live sont facturées à la durée, avec un tarif standby quand l’inférence est en pause sur WebRTC.
Ce qui change concrètement
Selon la page modèle d’OpenAI, gpt-live-1.1 est un modèle vocal full-duplex. Il peut écouter pendant qu’il parle. C’est important pour les agents vocaux, car les utilisateurs interrompent, corrigent, hésitent et reformulent souvent en pleine réponse.
OpenAI indique que gpt-live-1.1 transcrit la parole plus précisément que GPT-Live-1. L’entreprise met aussi en avant une voix et un accent plus cohérents entre les langues. Pour une organisation européenne, cela peut compter dans un échange qui commence en français, passe par l’anglais, puis revient au français.
Le journal de sécurité de déploiement d’OpenAI présente gpt-live-1.1 comme le successeur de GPT-Live-1. Il mentionne des améliorations en parole multilingue, en suivi des consignes et en fidélité vocale. OpenAI ne publie pas, sur ces pages, de benchmark détaillé par langue ou par accent.
Le modèle prend en charge le streaming et le function calling. Il ne prend pas en charge les sorties structurées, le fine-tuning ni les predicted outputs. En clair, il peut appeler des fonctions métier, mais il ne faut pas compter sur lui seul pour produire un JSON strict et garanti.
Comment l'essayer
OpenAI recommande d’utiliser le nom de modèle gpt-live-1.1 dans les requêtes API. Le guide GPT-Live précise les prérequis : un microphone, une page servie en HTTPS ou en localhost, et un serveur de confiance avec une clé API de projet OpenAI. Cette clé ne doit pas être exposée côté navigateur.
La référence API liste gpt-live-1 et gpt-live-1.1 comme modèles valides pour les sessions Live. Pour tester la dernière version, il faut donc définir le modèle de session sur gpt-live-1.1.
Côté prix, la page pricing d’OpenAI affiche GPT-Live-1.1 à 0,05 dollar par minute active et 0,02 dollar par minute standby. La facturation se fait à la seconde. Le tarif standby s’applique aux sessions WebRTC quand l’inférence est en pause.
Attention : ce tarif standby n’est pas propre à gpt-live-1.1. OpenAI affiche les mêmes tarifs actif et standby pour GPT-Live-1. L’intérêt est donc de combiner cette mécanique de coût avec les améliorations du nouveau modèle sur la voix, la transcription et le multilingue.
Pour la disponibilité, la France figure dans les pays et territoires où l’API OpenAI est prise en charge. OpenAI indique aussi que l’Europe, définie comme EEE plus Suisse, est servie via eu.api.openai.com pour plusieurs services, dont Voice. La documentation LiveKit mentionne également un endpoint EU pour GPT-Live 1, ce qui peut compter si tu déploies via un framework d’agents.
Pour qui, et pour quoi faire
Le cas d’usage le plus direct est un agent vocal de support client multilingue. Imagine une hotline B2B pour un éditeur SaaS. Le client appelle en français, donne une référence de contrat, interrompt l’agent pour corriger un détail, puis demande une explication en anglais pour son équipe.
Dans ce scénario, le full-duplex aide à gérer les interruptions naturelles. La meilleure transcription peut réduire les erreurs sur les noms, les références ou les intentions. La stabilité de la voix entre les langues peut aussi rendre l’expérience plus cohérente pour l’utilisateur.
Le function calling permet de connecter l’agent à des outils internes : vérifier un ticket, récupérer une information de compte, créer une demande ou transférer vers un humain. Twilio décrivait déjà GPT-Live-1 comme un modèle speech-to-speech pour la parole et le raisonnement en temps réel, intégré pour des expériences vocales de production. gpt-live-1.1 s’inscrit dans cette même logique, avec des progrès ciblés sur la qualité conversationnelle.
Limites et points de vigilance
gpt-live-1.1 n’est pas une solution complète à brancher sans architecture. Il faut une couche serveur fiable, une gestion stricte des clés API, une interface audio adaptée et des règles métier explicites.
Les gains annoncés sur l’accent et la transcription doivent être validés avec tes propres appels. Teste les langues, les accents, les bruits de fond, les noms de produits et le vocabulaire interne. Ce sont souvent ces détails qui font échouer un agent vocal en conditions réelles.
Le coût standby doit aussi être interprété correctement. Il concerne les sessions WebRTC quand l’inférence est en pause, pas toutes les formes d’attente. OpenAI précise par ailleurs que les sessions vocales sont facturées à la durée, tandis que l’usage du modèle backend et des outils est facturé séparément.
Enfin, l’absence de sorties structurées et de fine-tuning limite certains workflows. Si ton agent doit produire des données dans un schéma strict, prévois une étape de validation ou un composant séparé.
L'avis NXUS
Pour un projet d’agent vocal OpenAI, gpt-live-1.1 devient le modèle à évaluer en priorité face à GPT-Live-1. Les améliorations les plus utiles concernent les conversations multilingues, les interruptions et la transcription.
Le tarif standby aide à modéliser des sessions vocales plus longues, mais il ne remplace pas un calcul de coût par scénario. Commence par un pilote limité : un parcours, quelques langues, des critères mesurables.
Mesure les erreurs de transcription, les interruptions bien gérées, les transferts humains et le coût réel par appel. Si ces indicateurs sont solides, tu pourras élargir l’agent à d’autres parcours.
Sources
Source : OpenAI
Rudy Molinillo


