GPT-Live 实时语音对话

GPT-Live 支持边听边说、双向字幕和后台任务。Studio 的 ChatGPT 语音通话使用 gpt-live-1 处理语音，复杂问题继续由当前选择的聊天模型处理。

¶ 连接

使用平台 API Token 连接 wss://realtime.acedata.cloud/v1/live/sessions。Studio 或聊天服务凭据使用 wss://realtime.acedata.cloud/aichat2/live。服务器通过 Authorization: Bearer <token> 鉴权；浏览器通过 WebSocket 子协议传递凭据，避免写入 URL：

const socket = new WebSocket('wss://realtime.acedata.cloud/aichat2/live', [
  'live', `acedata-token.${token}`
]);
socket.onopen = () => socket.send(JSON.stringify({
  type: 'session.start',
  session: {
    model: 'gpt-live-1',
    instructions: '简洁友好地回答，使用用户的语言。复杂问题交给后台处理。',
    audio: { format: { type: 'audio/pcm', rate: 24000 }, output: { voice: 'marin' } },
    delegation: { type: 'client' },
    store: false
  }
}));

等待 session.started 后连续发送 session.input_audio.append，其中 audio 是 24 kHz、单声道、16 位小端 PCM 原始音频的 Base64，不包含 WAV 文件头。按实际采样速度发送音频，静音片段也要保持连续。

按顺序播放 session.output_audio.delta.delta。用户和助手字幕分别来自 session.input_transcript.delta 与 session.output_transcript.delta，保留每段 delta、start_ms、end_ms；双方字幕可能同时增长。Live 没有逐条语音回复结束事件，应根据本地播放队列更新“正在回答”状态。

¶ 后台任务

当前支持 client 委派模式。收到 session.delegation.created 后，应用根据语音字幕和已保存上下文调用自己的后台，并通过 session.thinking.append 或 session.commentary.append 返回结果，携带对应的 delegation_id 和最多 500 token 的纯文本 content。结果应来自已完成的后台操作；语音被打断不表示后台任务已取消。

暂不支持托管 Responses 委派、录音存储、session.update、会话恢复或自动重连。模型固定为 gpt-live-1，音频固定为 24 kHz PCM16，音色在开始通话时选择。旧的 Realtime API 仍可使用。

¶ 计费与结束通话

语音按活跃会话时长计费：0.01 Credits/秒，即 0.6 Credits/分钟，不按整分钟向上取整。用户说话、助手说话、静音、双方沉默和等待后台任务的时间均计费。后台模型或工具调用按对应 API 另行计费。Credits 对应的美元价格取决于充值套餐，以控制台当前价格为准。

session.usage.updated.usage.seconds 是累计用量。例如先收到 12 秒、再收到 15 秒，总计为 15 秒。平台只结算新增时长，不重复累加快照。

结束时发送 session.close，继续接收，直到收到 session.closed，再关闭连接并释放麦克风。强制断开可能导致最终用量未确认，界面应明确报告。余额不足、计费失败或达到会话限制时，连接会结束。默认单次通话最多 30 分钟。

参数错误通过 error 事件返回；error.client_event_id 对应失败命令。启动失败应停止录音并展示错误，不自动切换模型或重试产生新费用。