GPT-Live-1 โทรออกได้แล้วตอนนี้: SIP GA ปลดล็อกอะไรได้จริง และยังทำอะไรไม่ได้บ้าง

สิ่งใหม่ที่มีประโยชน์ที่สุดที่เอเจนต์เสียงของ OpenAI ทำได้คือการกด 1 ตั้งแต่ช่วงปลายวันที่ 4 พฤศจิกายน 2026 เป็นต้นมา เซสชัน GPT-Live-1สามารถโทรออกไปยังหมายเลขโทรศัพท์จริงผ่าน SIP trunk ฟังเมนูที่รับสาย และส่งเสียงจากแป้นกดกลับไปตามสายได้ ส่วนหลังนี้ — DTMF แบบสองทิศทาง — คือความแตกต่างระหว่างเอเจนต์เสียงที่พูดได้กับเอเจนต์เสียงที่สามารถผ่านระบบเมนูโทรศัพท์ไปยังแผนกที่ต้องการได้จริง

ตัวโมเดลเองไม่ใช่ของใหม่ GPT-Live-1 อยู่ใน ChatGPT Voice มาตั้งแต่วันที่ 8 กรกฎาคม 2026 และอยู่ใน API ตั้งแต่วันที่ 10 กันยายน 2026 ในราคา $0.05 ต่อนาที สิ่งที่เปลี่ยนไปในวันที่ 4 พฤศจิกายน คือช่องทางรับส่ง Justin Uberti แห่ง OpenAI ประกาศว่า API โทรศัพท์ขาออก "เพิ่งได้รับการเลื่อนสถานะ … เป็น GA" "ทำให้ผู้พัฒนาสามารถโทรออกจาก Live voice agent ของตน" ผ่าน "ผู้ให้บริการ SIP trunk รายใดก็ได้ (เช่น Telnyx หรือ Twilio)" Greg Brockman ตอกย้ำเรื่องนี้ในคืนเดียวกัน ประกาศยังระบุเพิ่มว่าการโทรสามารถใช้ HD Voice และสามารถส่งและรับเหตุการณ์จากแป้นกดได้

นี่จึงเป็นเรื่องราวของความสามารถ ไม่ใช่เรื่องราวของโมเดล และเนื้อหาที่น่าสนใจอยู่ในเอกสาร而非ในโพสต์ ตอนนี้คู่มือ Telephony และ SIP ของ OpenAI ระบุว่า การโทรออก "มีให้ทุกองค์กรผ่าน Live API ไม่ใช่ endpoint สำหรับสร้างการเรียกของ Realtime API" — สองประโยคที่ปิดทาง integrations จำนวนมากที่ผู้คนจะพยายามนำกลับมาใช้ใหม่ไปอย่างเงียบ ๆ

สิ่งที่ "GA" เปลี่ยนแปลง และสิ่งที่มันยังไม่ได้เปลี่ยนแปลง

ก่อนการเลื่อนสถานะ การโทรออกมีอยู่แล้วแต่ยังไม่พร้อมใช้งานทั่วไป — นั่นคือความหมายของคำว่า “promoted” กลไกนี้ถูกสร้างไว้แล้ว และประตูก็เปิดออก เอกสารของ OpenAI ตอนนี้มีประโยคที่สอดคล้องกันว่า การโทรออกผ่าน SIP “พร้อมใช้งานสำหรับทุกองค์กรผ่าน Live API” ซึ่งเป็นสิ่งที่ใกล้เคียงที่สุดกับคำประกาศ GA บนหน้านั้น เนื่องจากตัวคู่มือเองไม่มีป้าย beta, preview หรือ alpha อยู่ที่ใดเลย

สิ่งที่ไม่ได้เปลี่ยนแปลงคือโมเดลเสียง ตัวอย่างการโทรออกในเอกสารของ OpenAI เองยังคงตั้งค่าเป็น model: "gpt-live-1", และรายการตรวจสอบสำหรับพาร์ตเนอร์ยังคงบอกผู้รวมระบบให้มองหา "เวอร์ชันแพ็กเกจที่รองรับ gpt-live-1". ไม่มีโมเดลเฉพาะสำหรับการโทรออก ไม่มีราคาแยก และไม่มีระดับบริการโทรศัพท์ คุณจ่าย $0.05 ต่อนาทีเท่าเดิมสำหรับเลเยอร์เสียงเหมือนที่คุณจ่ายในเดือนกันยายน ตอนนี้คุณเพียงได้รับอนุญาตให้นำไปใช้กับการโทรที่ออกจากเซิร์ฟเวอร์ของคุณ

ข้อควรระวังในการปฏิบัติงานข้อหนึ่งซ่อนอยู่ในคู่มือมากกว่าที่จะอยู่ในประกาศ: OpenAI บอกให้คุณยืนยันว่า "การรองรับ GPT-Live SIP เปิดใช้งานสำหรับโปรเจกต์ของคุณ และ SIP trunk ของผู้ให้บริการของคุณถูกกำหนดเส้นทางไปยังโปรเจกต์นั้นก่อนใช้โฟลว์นี้" การมีป้ายกำกับ GA กับการตั้งค่าโปรเจกต์ที่เปิดใช้งานแล้วไม่ใช่สิ่งเดียวกัน และตั๋วสนับสนุนใบแรกของสัปดาห์จะเป็นของคนที่มีอย่างหนึ่งแต่ขาดอีกอย่าง

ข้อกำหนดเบื้องต้นที่ตัดสินว่า trunk ของคุณจะทำงานได้เลยหรือไม่

OpenAI ไม่ได้นำ SIP มาใช้ในความหมายทั่วไป แต่เลือกใช้เพียงส่วนเสี้ยวที่แคบและทันสมัยของมัน และ trunk ที่ล้มเหลวในข้อใดข้อหนึ่งต่อไปนี้จะเชื่อมต่อไม่ได้ ไม่ว่าประกาศจะสัญญาไว้อย่างไรเกี่ยวกับ "ผู้ให้บริการ SIP trunk รายใดก็ได้"

• การส่งสัญญาณ — จำเป็นต้องใช้ TLS ไม่ใช่ทางเลือก ส่วน SIP แบบธรรมดาผ่าน UDP หรือ TCP ใช้ไม่ได้

• สื่อ — ต้องใช้ SDES-SRTP และต้องเปิดใช้งาน SRTP ที่ผู้ให้บริการ ไม่ใช่แค่รองรับเท่านั้น

• URL ของผู้ให้บริการ — sips: คาดว่าจะเป็น endpoint โดยค่าเริ่มต้นคือพอร์ต 5061 และต้องไม่มีข้อมูลรับรอง ไม่มีพาธ และไม่มีพารามิเตอร์ URI แนบมา

• ปลายทาง — หมายเลข E.164 เช่น +14155550123 เท่านั้น SIP URI ไม่ได้รับการสนับสนุนอย่างชัดเจน ดังนั้นรูปแบบหมายเลขภายในจึงไม่ใช่ทางลัด

• การยืนยันตัวตน — แบบ digest โดยใช้ชื่อผู้ใช้และรหัสผ่าน SIP พร้อมกับ caller_number ในรูปแบบ E.164 ซึ่งจะกลายเป็นหมายเลขผู้โทรที่ผู้รับสายของคุณเห็น

• สุขอนามัยของเครือข่าย — ชื่อโฮสต์ภายในและที่อยู่ IP ส่วนตัวที่ระบุเป็นตัวเลขโดยตรงจะถูกปฏิเสธ ซึ่งตัดความเป็นไปได้ที่จะมีชุดทดสอบที่ชี้ไปยังเครื่องในห้องแล็บ

• รูปแบบเสียง — ปล่อยaudio.format ไว้โดยไม่ต้องตั้งค่า เพราะ SIP เป็นตัวเจรจาให้ การตั้งค่านั้นเป็นพารามิเตอร์ที่ดูเหมือนมีประโยชน์แต่กลับทำให้การโทรพัง

โปรดสังเกตว่าสิ่งนี้หมายความอย่างไรต่อข้ออ้าง "ผู้ให้บริการรายใดก็ได้" ผู้ให้บริการรายใดก็ตามที่รองรับการส่งสัญญาณ TLS พร้อมสื่อ SDES-SRTP จะใช้งานได้ SIP trunk ราคาถูกจำนวนมากยังคงใช้ค่าเริ่มต้นเป็น UDP และ RTP แบบธรรมดา และประโยคนั้นไม่ได้ครอบคลุมถึงสิ่งเหล่านั้น การเชื่อมต่อเป็นการสร้างเซสชันแทนที่จะเป็นเว็บฮุก: คุณส่ง POST ไปยัง /v1/live/sessions ด้วย transport.type ที่ตั้งค่าเป็น sip และคู่มือระบุไว้อย่างชัดเจนว่า "คุณไม่จำเป็นต้องมีเว็บฮุกสำหรับสายเรียกเข้า หรือคำขอตอบรับสำหรับการโทรออก"

สิ่งที่คุณได้รับกลับมาคือ session.id และประเภทการรับส่ง โดยเอกสารอธิบายอย่างตรงไปตรงมาผิดปกติถึงช่องว่างระหว่างสิ่งนั้นกับความเป็นจริงว่า "การตอบกลับนี้ไม่ได้หมายความว่าสายถูกตอบรับแล้ว" สัญญาณเรียกเข้า การตอบรับ และความล้มเหลวจะมาถึงภายหลังในรูปแบบเหตุการณ์ transport.ringing, transport.answered และ transport.failed บน WebSocket แบบ sideband ที่ /v1/live/sessions/{session_id}/attach เชื่อมต่อทันที — ระบบจะเล่นซ้ำเฉพาะเหตุการณ์ในช่วงสามวินาทีก่อนหน้าเท่านั้น — และกำจัดรายการซ้ำด้วย event_id เพราะคู่มือเตือนว่าการส่งซ้ำเป็นเรื่องปกติ

ซองจดหมาย: สามนาทีเพื่อโทร สองชั่วโมงเพื่อพูดคุย

ตัวเลขที่ชัดเจนสองตัวในคู่มือจะเป็นตัวตัดสินว่ากรณีการใช้งานขาออกใดบ้างที่ทำได้จริง และไม่มีตัวใดในสองตัวนั้นปรากฏอยู่ในประกาศ

• จำกัดเวลาดังสาย — สามนาที สายที่ยังไม่ได้รับคำตอบภายในเวลานั้นจะสิ้นสุดลง

• ขีดจำกัดการเชื่อมต่อ — สองชั่วโมง หลังจากนั้นเซสชันจะสิ้นสุดลงไม่ว่าจะเกิดอะไรขึ้นก็ตาม

• แผงควบคุม — โอนสายผ่าน /v1/live/sessions/{id}/refer และวางสายผ่าน /v1/live/sessions/{id}/hangup พร้อมส่ง DTMF ผ่าน sideband ด้วย transport.dtmf.send.

• โหมดความล้มเหลว — การกำหนดค่าเซสชันที่ไม่ถูกต้องจะล้มเหลวอย่างชัดเจนเมื่อสร้าง การตั้งค่าการขนส่งอาจส่งคืน 502 การหมดเวลาเริ่มต้นจะส่งคืน 504 และสิ่งใดก็ตามที่มาภายหลังจะมาถึงแบบอะซิงโครนัสเป็น transport.failed.

ระยะเวลาดังสาย 3 นาทีนั้นใช้ได้สำหรับการโทรออกถึงผู้บริโภค แต่ดูไม่เข้าท่าสำหรับสวิตช์บอร์ดองค์กรที่พักสายไว้ เพดาน 2 ชั่วโมงถือว่าใจกว้างจนกว่าคุณจะให้เอเจนต์ไปรับคิวซัพพอร์ต ซึ่งการพักสายนานบวกบทสนทนายาวมีโอกาสเฉียดเพดานนั้นได้ ทั้งสองขีดจำกัดไม่ใช่เรื่องน่าประหลาดใจในผลิตภัณฑ์เสียงเรียลไทม์ ทั้งคู่เป็นสิ่งที่คุณควรรู้ก่อนให้สัญญา SLA ของแคมเปญกับลูกค้า

ค่าโทรจริง ๆ แล้วคือเท่าไหร่ พูดกันตรง ๆ

หน้าเพจราคาของ OpenAI ระบุว่าเซสชันเสียง GPT-Live-1 อยู่ที่ $0.05 ต่อนาที "คิดค่าบริการเป็นรายวินาที โดยไม่ปัดขึ้นเป็นเต็มหนึ่งนาที" นั่นคือราคาที่เผยแพร่ทั้งหมด และเป็นเพียงหนึ่งในสองค่าใช้จ่ายที่การโทรออกหนึ่งครั้งก่อให้เกิด ค่าธรรมเนียมการสิ้นสุดสายของผู้ให้บริการเครือข่ายคืออีกค่าใช้จ่ายหนึ่ง ซึ่งขึ้นอยู่กับปลายทาง ปริมาณ และผู้ให้บริการทรังก์ที่คุณเลือก OpenAI ดูแลการประมวลผลเสียงและตรรกะของเซสชัน ส่วนผู้ให้บริการเป็นเจ้าของขา PSTN

• สายที่รับแล้วความยาวหนึ่งนาที — $0.050 จาก OpenAI บวกอัตราต่อ minutos ของผู้ให้บริการเครือข่ายของคุณ

• การโทรสี่นาที — $0.200 จาก OpenAI บวกค่าผู้ให้บริการเครือข่าย

{{1}}การโทรหนึ่งพันสาย สายละสี่นาที{{/1}} — 4,000 นาที ดังนั้น $200 จาก OpenAI บวกค่าผู้ให้บริการเครือข่าย

• การสนทนาแบบเชื่อมต่อหนึ่งชั่วโมง — $3.00 จาก OpenAI บวกค่าผู้ให้บริการเครือข่าย

มีสองเรื่องเกี่ยวกับมิเตอร์นั้นที่ควรระวัง เรื่องแรก หน่วยการเรียกเก็บเงินคือนาทีต่อเซสชัน และไม่มีสิ่งใดในหน้าตาราคาที่แยกความแตกต่างระหว่างเสียงพูดกับความเงียบ ดังนั้นวินาทีที่เอเจนต์ของคุณใช้ฟังเพลงรอสายจะถูกสะสมในอัตราเดียวกับวินาทีที่มันใช้พูด เรื่องที่สอง คู่มือไม่ได้ระบุว่าการโทรที่ดังสามนาทีและไม่มีใครรับสายถือเป็นเซสชันที่เรียกเก็บเงินได้หรือไม่ ซึ่งเป็นคำถามที่ควรถามฝ่ายสนับสนุนก่อนที่คุณจะใช้งานระบบโทรออกปริมาณมาก ไม่ใช่หลังจากนั้น

การใช้งานโมเดลแบ็กเอนด์และเครื่องมือจะถูกเรียกเก็บเงินแยกต่างหาก ตามโมเดลใดก็ตามที่คุณมอบหมายงานให้ หากคุณกำหนดเส้นทางส่วนนั้นผ่าน OrcaRouter การบวกกำไร 0% และราคาแบบส่งผ่านต้นทุนจะใช้บังคับที่นั่นแทนที่จะใช้กับนาทีเสียง — ดังนั้นเมื่อผู้ให้บริการลดราคาโมเดลการให้เหตุผล ราคาที่ลดลงจะปรากฏในใบเรียกเก็บเงินของคุณในวันเดียวกัน แต่การลดราคาของ gpt-live-1 จะไม่ปรากฏ

การผสานรวม Realtime ของคุณจะไม่ถูกพอร์ตไปด้วย

ความผิดพลาดที่แพงที่สุดเพียงอย่างเดียวที่เกิดขึ้นได้ในสัปดาห์นี้ คือการสันนิษฐานว่าสแต็กโทรศัพท์ Realtime API ที่ใช้งานได้คือสแต็ก GPT-Live ที่ใช้งานได้ หน้าสำหรับพาร์ตเนอร์ของ OpenAI ระบุไว้อย่างชัดเจนว่า “การผสานรวม Realtime ไม่ได้เข้ากันได้โดยอัตโนมัติกับ GPT-Live” เอนด์พอยต์ต่างกัน โมเดลเซสชันต่างกัน การมอบหมายเป็นแนวคิดที่ Realtime ไม่มีในรูปแบบเดียวกัน และรูปแบบเสียงกับความหมายเชิงพฤติกรรมของการขัดจังหวะที่คู่มือให้คุณตรวจสอบเป็นรายพาร์ตเนอร์นั้นไม่ได้ถูกนำมาด้วย

รายชื่อพาร์ตเนอร์ยังทำให้ถ้อยคำในประกาศซับซ้อนขึ้นด้วย เอกสารของ OpenAI ระบุว่า LiveKit สำหรับเอเจนต์เสียง; Twilio Agent Connect สำหรับ “การโทรเข้าและโทรออก”; Telnyx สำหรับ “ประสบการณ์การโทรขาออก”; Bandwidth สำหรับ “การโทรขาเข้า” ผ่าน SIP; และ Daily/Pipecat สำหรับบริการ Live โดยทั่วไป กล่าวอีกนัยหนึ่ง Bandwidth ถูกบันทึกว่าเป็นอินทิเกรชันขาเข้า และ LiveKit กับ Pipecat ถูกบันทึกโดยไม่ระบุทิศทางการโทรเลย “ผู้ให้บริการ SIP trunk รายใดก็ตาม” เป็นข้อความเกี่ยวกับความเข้ากันได้ของโปรโตคอล ไม่ใช่ข้อความเกี่ยวกับว่าพาร์ตเนอร์ห้ารายของ OpenAI รายใดได้เปิดตัวการรองรับการโทรขาออกแล้ว

หากคุณใช้ Twilio การย้ายระบบคือวิธีที่มีเส้นทางขาออกที่ documented ไว้แล้วในปัจจุบัน หากคุณใช้ Bandwidth สำหรับขาเข้า การส่งออกผ่านการเชื่อมต่อนั้นยังไม่ใช่สิ่งที่เอกสารรับประกันไว้ในตอนนี้

คำถามเรื่องเวอร์ชันที่ไม่มีใครถาม

ยังมีความกำกวมที่ยังไม่คลี่คลายเกี่ยวกับชื่อนี้ GPT-Live-1.1 ถูกผสานเข้าใน ChatGPT Voice เมื่อวันที่ 15 ตุลาคม 2026 พร้อมเสียงใหม่ในหกภาษา และ OpenAI ยังไม่ได้เผยแพร่ gpt-live-1.1 เป็น model id สำหรับผู้เรียกใช้ API ตัวอย่างขาออกทุกตัวอย่างในคู่มือโทรศัพท์ใช้ gpt-live-1 หากเพื่อนร่วมงานบอกคุณว่าเอเจนต์ขาออกกำลังรัน 1.1 เพราะนั่นคือสิ่งที่ ChatGPT ใช้ พวกเขากำลังอธิบายผลิตภัณฑ์สำหรับผู้บริโภค ไม่ใช่การกำหนดค่าช่วงเซสชันของคุณ

ในทางปฏิบัติ: อ้างอิง gpt-live-1 ในแผนของคุณ และให้ถือว่าความพร้อมใช้งานใด ๆ ของ API 1.1 เป็นเหตุการณ์แยกต่างหากที่ต้องตรวจสอบในวันของตนเอง

ที่ซึ่งการคิดเกิดขึ้น และเหตุใดมันจึงเป็นคันโยกที่คุณควบคุมได้

GPT-Live ถูกแบ่งครึ่งเป็นสองส่วน สรุปของเอกสารเองระบุว่า GPT-Live "มอบหมายการให้เหตุผลและการใช้เครื่องมือให้กับแบ็กเอนด์ ขณะที่ตัวระบบจัดการบทสนทนาด้วยเสียง" เลเยอร์เสียงรับผิดชอบจังหวะ การขัดจังหวะ และท่วงทำนองเสียง ส่วนโมเดลแยกต่างหากทำหน้าที่คิดและเรียกใช้เครื่องมือ แบ็กเอนด์นั้นถูกกำหนดค่าแยกตามเซสชันภายใต้การมอบหมาย โดยเลือกใช้หนึ่งในสองโหมด

• การมอบหมายงาน Responses — delegation.type: "responses" โดยต้องระบุโมเดลแบ็กเอนด์ พร้อมด้วยคำสั่ง เครื่องมือ การเลือกเครื่องมือ ขีดจำกัดโทเค็น และระดับบริการ คู่มือของ OpenAI แนะนำให้เริ่มต้นด้วย gpt-6-luna หรือ gpt-6-sol สำหรับงานที่ยากขึ้น และระบุว่า "คุณสามารถเลือกโมเดล Responses ได้อย่างอิสระจากโมเดลเสียง"

• การมอบหมายฝั่งไคลเอนต์ — delegation.type: "client" ซึ่งแอปพลิเคชันของคุณรันแบ็กเอนด์เอง ถ้อยคำของ OpenAI ระบุว่าสิ่งนี้อนุญาตให้ใช้ "โมเดล เอเจนต์ หรือบริการใด ๆ ที่แอปพลิเคชันของคุณดำเนินการ"

นี่คือจุดที่ต้นทุนและคุณภาพของเอเจนต์ขาออกอยู่จริง และเป็นทางเลือกเชิงสถาปัตยกรรมเดียวบนหน้านี้ที่เป็นของคุณอย่างแท้จริง โมเดลเสียงถูกกำหนดตายตัว และตามที่เกิดขึ้นจริงก็ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter — GPT-Live-1 เป็นฟรอนต์เอนด์โทรศัพท์ที่คุณซื้อจาก OpenAI และความฉลาดในการกำหนดเส้นทางไม่ว่าจะมากแค่ไหนก็เปลี่ยนสิ่งนั้นไม่ได้ ส่วนแบ็กเอนด์เป็นอีกเรื่องหนึ่ง ภายใต้การมอบหมายจากไคลเอนต์ มันเป็นการเรียกโมเดลธรรมดาที่โค้ดของคุณทำ ซึ่งหมายความว่า API เดียวสำหรับโมเดล 200+ ตัว คีย์เดียวข้ามผู้จำหน่ายที่คุณประเมิน การสลับสำรองอัตโนมัติหากผู้ให้บริการเสื่อมประสิทธิภาพกลางแคมเปญ และการเลือกโมเดลตามประเภทการเรียก: โมเดลราคาถูกเพื่อเดินเมนู IVR โมเดลที่แข็งแกร่งขึ้นเมื่อมีคนรับสาย

ภายใต้การมอบหมายผ่าน Responses OpenAI จะรันช่วงนั้นและเรียกเก็บเงินตามอัตราของตนเอง ทั้งสองวิธีล้วนถูกต้อง เพียงแต่วางการตัดสินใจไว้ในตำแหน่งที่ต่างกัน หากคุณต้องการให้แบ็กเอนด์เป็นการตัดสินใจด้านการกำหนดเส้นทาง การมอบหมายฝั่งไคลเอนต์คือโหมดที่มอบสิ่งนั้นให้คุณ

สิ่งที่ประกาศไม่ได้กล่าวถึง

สำหรับโพสต์ประกาศ GA ประกาศนี้มีข้อมูลน้อยเกี่ยวกับสิ่งที่ใช้ตัดสินการนำไปใช้งาน ไม่ได้กล่าวถึงความพร้อมใช้งานตามภูมิภาค ความหน่วง ขีดจำกัดการทำงานพร้อมกัน หรือ SLA เลย ไม่ได้กล่าวถึงข้อผูกพันด้านการบันทึก การเปิดเผยข้อมูล หรือความยินยอม — และการโทรออกคือจุดหนึ่งในผลิตภัณฑ์นี้ที่ข้อผูกพันเหล่านั้นไม่ใช่เรื่องทฤษฎี ในสหรัฐอเมริกา การโทรอัตโนมัติถึงผู้บริโภคโดยไม่ได้รับความยินยอมเป็นปัญหา TCPA ก่อนที่จะเป็นปัญหาด้านวิศวกรรม; ในสหภาพยุโรป การบันทึกการโทรโดยไม่แจ้งให้ผู้รับสายทราบก็เป็นปัญหาในตัวเอง API ให้caller_number และ endpoint สำหรับวางสาย การปฏิบัติตามข้อกำหนดเป็นความรับผิดชอบของคุณ

"HD Voice" ก็ควรได้รับการมองว่าเป็นคำกล่าวอ้างมากกว่าข้อกำหนดทางเทคนิค เอกสารของ OpenAI ระบุเพียงว่า SIP เป็นตัวเจรจารูปแบบเสียง และไม่ได้ระบุ codec ใด ๆ ดังนั้นเสียงไวด์แบนด์ในโพสต์จึงเป็นถ้อยแถลงของผู้ขายที่ยังไม่มีการระบุปริมาณไว้ที่ใดในที่สาธารณะ ควรทดสอบกับผู้ให้บริการเครือข่ายของคุณเองก่อนจะนำไปใส่ในสไลด์นำเสนอ

จะทำอะไรกับสิ่งนี้ในสัปดาห์นี้ดี

หากคุณใช้งานเอเจนต์เสียง GPT-Live บน WebRTC อยู่แล้ว เส้นทางขาออกก็เป็นเพียงทรานสปอร์ตตัวที่สอง ไม่ใช่การเขียนใหม่ทั้งหมด: เซสชันใหม่ที่สร้างด้วย transport.type: "sip" ทรังก์ที่รองรับ TLS และ SDES-SRTP และ WebSocket แบบไซด์แบนด์สำหรับเฝ้าดูสัญญาณริง การรับสาย และ DTMF ให้เผื่อเวลาไว้หนึ่งวันสำหรับทรังก์ ไม่ใช่สำหรับตัวเอเจนต์

หากคุณใช้งาน Realtime อยู่ อย่าจัดตารางการย้ายระบบโดยสมมติว่าเป็นการเปลี่ยนแปลงการกำหนดค่า อ่านส่วนการมอบหมายและส่วนเซสชันก่อน ตัดสินใจว่าแบ็กเอนด์ของคุณควรเป็นของ OpenAI หรือของคุณเอง แล้วจึงเลือกพาร์ตเนอร์ — เพราะพาร์ตเนอร์ที่คุณใช้อยู่สำหรับขาเข้าอาจไม่ใช่รายที่มีเส้นทางขาออกซึ่งมีเอกสารระบุไว้

หากคุณยังตัดสินใจอยู่ว่าระบบเสียงโทรออกคุ้มค่าที่จะสร้างขึ้นมาเลยหรือไม่ ตัวเลขที่สำคัญคือ $3.00 ต่อชั่วโมงที่เชื่อมต่อสายสำเร็จ ก่อนหักค่าบริการของผู้ให้บริการเครือข่าย เทียบกับเพดานแข็งสองชั่วโมงและระยะริงสามนาที นั่นถูกพอที่จะทดลอง และแพงพอที่เวลารอสายจะเป็นการตัดสินใจเชิงออกแบบ ไม่ใช่เรื่องบังเอิญ GA ได้ถอดด่านนั้นออกแล้ว แต่ไม่ได้ทำให้การคำนวณนั้นหายไป