AIREITER発表記事を読んだだけでは、すぐにAPIから呼び出せるモデルなのか判断できないことがあります。GPT-Live-1についても同じです。OpenAIの公開API登録ページには、現時点でも利用可能になった際の通知を受け取るためのフォームが掲載されています。一方、公式ドキュメントで料金が公開されているのはRealtime APIです。この違いは重要です。OpenAIがモデルID、エンドポイント、ドキュメント、料金表を公開するまで、GPT-Live-1を本番の予算やシステム構成に組み込むべきではありません。
結論だけ先に確認
私が確認できたOpenAIの公式資料では、GPT-Live-1は一般提供中のAPIとして公開ドキュメント化されていません。OpenAIのGPT-Live-1 APIページはAPIリファレンスではなく、通知登録フォームです。エンドポイント、モデルID、料金、利用上限、提供開始日は記載されていません。
もちろん、非公開の限定アクセスまで存在しないと断定するものではありません。ただし、一般の開発者がSNS上の発表やChatGPTの音声機能を、そのまま呼び出し可能なAPI契約として扱えるわけではない、ということです。
現時点で音声アプリを本番投入するなら、選択肢は次のようになります。
| 要件 | 現実的な選択 |
|---|---|
| ドキュメントが整ったリアルタイム音声APIを今すぐ提供したい | GPT-Realtime-2.1 |
| 音声・テキストトークンのコストを抑えたい | GPT-Realtime-2.1 mini |
| 将来のモデル切り替えを見据えて試作したい | モデルIDと料金を設定ファイルに切り出す |
| どうしてもGPT-Live-1が必要 | 通知リストに登録する。ただし提供開始日は約束しない |
GPT-Live-1のAPI料金は、まだ公開されていない
確認できるOpenAIの登録ページには、「Sign up to get notified when GPT‑Live‑1 is available in the API.」とあります。しかし、分単位の料金、音声トークン料金、テキストトークン料金、最低利用料金、利用上限はいずれも掲載されていません。したがって、現時点で誠実に答えられるGPT-Live-1 APIの料金は不明です。1分あたり$0.05でもなければ、別のRealtimeモデルから流用した推測値でもありません。
ChatGPTのサブスクリプション料金は、別の製品に対する料金です。PlusやProにコンシューマー向けの音声機能が含まれていても、それだけでAPIクレジットが付与されるわけではありません。開発用APIの請求とサブスクリプションの請求は、予算を分けて管理しましょう。
今すぐ利用・開発できる選択肢
OpenAIが公開しているGPT-Realtimeのモデルページでは、トークン単位の料金が確認できます。以下は、調査資料で確認できた現行Realtimeファミリーの料金です。料金は変更される可能性があるため、デプロイ前に必ず公式ページを再確認してください。
| モデル | テキスト入力 / キャッシュ済み | テキスト出力 | 音声入力 / キャッシュ済み | 音声出力 | コンテキスト / 最大出力 |
|---|---|---|---|---|---|
| GPT-Realtime-2.1 | $4 / $0.40 per 1M | $24 per 1M | $32 / $0.40 per 1M | $64 per 1M | 128k / 32k |
| GPT-Realtime-2.1 mini | $0.60 / $0.06 per 1M | $2.40 per 1M | $10 / $0.30 per 1M | $20 per 1M | 128k / 32k |
調査したAPI提供状況の資料では、どちらのモデルもテキスト、音声、画像を入力でき、テキストと音声を出力できると説明されています。動画入力への対応は記載されていません。複雑な推論やツール利用を重視するなら標準モデルが無難です。最大性能よりもレイテンシーと料金を優先するなら、Miniが有力な選択肢になります。
請求を考えるうえで重要なのは、入力と出力が別々に計上されることです。5分間の通話だからといって、ユーザーの音声5分とアシスタントの音声5分が自動的に課金されるわけではありません。ユーザーとアシスタントがそれぞれ実際にどれだけ話したのかを計測してください。
モデルが変わっても破綻しない予算設計
GPT-Live-1の料金表が公開されるまでは、推測した平均単価ではなく、シナリオベースで予算を組みましょう。
monthly exposure = sessions
× measured billable usage per session
× provider rate
× retry and tool-call factorsパイロットの段階から、少なくとも次の項目を記録しておきます。
- ユーザーの発話秒数とアシスタントの発話秒数。
- テキスト入力、キャッシュ済み入力、テキスト出力のトークン数。
- ターン数、ツール呼び出し回数、ツールの失敗、リトライ、再接続。
- セッション時間、無音時間、途中離脱したセッション、ピーク時の同時実行数。
- テキストのみのモードや小型モデルなど、フォールバック先へのトラフィック。
たとえば計画用のワークシートでは、入力500分・出力500分という前提を置けます。ただし、音声トークンを分数へ換算する場合は、それがあくまで仮定であることを明記してください。正確な予算を出すなら、汎用的な分数換算ではなく、APIが返す実際の利用量を使うべきです。
パイロットを始める前に、セッション時間の上限、ツール呼び出し回数の上限、支出アラート、緊急停止スイッチを設定しておきましょう。ネットワーク切断後に音声エージェントが再接続を繰り返すと、ユーザーの課題を解決できないまま利用量だけが増えることがあります。「公正利用」といった文言は、コストを制御する仕組みにはなりません。
GPT-Live-1 APIに関するFAQ
通知フォームに登録すればGPT-Live-1 APIを使えるようになりますか？
いいえ。公開フォームは、関心のある開発者に通知するため、連絡先やビジネス情報を収集するものです。APIキー、モデルID、エンドポイント、料金契約、ベータ版への参加保証は表示されていません。
ChatGPT PlusやProでAPIの利用料金を支払えますか？
いいえ。ChatGPTのサブスクリプションとAPI利用は別々に請求されます。ChatGPT製品を使うならコンシューマー向けプランを選び、開発用APIの呼び出しはAPI料金表をもとに予算化してください。
GPT-Live-TranscribeはGPT-Live-1と同じものですか？
いいえ。文字起こしモデルは音声をテキストに変換するものです。一方、GPT-Live-1は会話型の音声体験を指します。文字起こしの1分あたり料金を、音声を聞き、推論し、話し、必要に応じてツールまで呼び出す全二重エージェントの料金として使うことはできません。
チームは待つべきですか、それとも今すぐRealtimeを使うべきですか？
本番環境では、今すぐGPT-Realtime-2.1またはそのMini版を使うのが現実的です。GPT-Live-1のインタラクションモデルが戦略上どうしても重要なら、モデル設定をアダプターの背後に切り出しておきましょう。そうすれば、将来の移行でアプリケーション全体を書き換えず、設定変更で対応できます。
「ChatGPTの作業ウィンドウで同じプロンプトを入力するほうが、はるかに効果的だ」— 音声によるツール呼び出しで確認した制限について述べた@pranavkrnの投稿。元の投稿。これはChatGPTの利用体験に関するユーザー報告であり、非公開APIの存在を示す証拠ではありません。
実際の判断
最も堅実なのは、ドキュメントが公開されているRealtimeモデルでサービスを提供し、コストを左右する利用量を記録しながら、GPT-Live-1を差し替え可能な設定上の候補として残しておくことです。GPT-Live-1固有の全二重動作が製品要件として不可欠な場合に限り、待つ判断に合理性があります。そうでなければ、公開されていない料金とエンドポイントに依存することが、納期と利益率の余計なリスクになります。