Vercel, OpenAI'nin tam çift yönlü ses modeli GPT-Live 1'i AI Gateway'e ekledi

Vercel, OpenAI'nin GPT-Live 1 modelini AI Gateway'e ekledi ve tam çift yönlü ses modelini geliştiricilerin erişimine açtı; model, gateway'in diğer modeller için zaten sunduğu API yüzeyi üzerinden kullanılabiliyor. Vercel bloguna göre model şu anda kullanılabilir durumda ve AI SDK 7, @ai-sdk/openai 4.0.67 veya üzeri sürüm ile bir WebSocket client ile çalışıyor.

Sıra beklemeyen bir ses modeli

Çoğu sesli asistan sıra algılamasına dayanır: sistem kullanıcının konuşmayı bitirmesini bekler, sonra yanıt verip vermeyeceğine ve nasıl yanıt vereceğine karar verir. Vercel'in açıkladığı gibi GPT-Live 1 bu kısıtı ortadan kaldırıyor. Aynı anda dinleyip konuşabildiği için bir kişi model cümlenin ortasındayken duraklayabilir, sözünü kesebilir ya da ayrıntı ekleyebilir — insan konuşmasını karakterize eden ama sıra temelli asistanlarda büyük ölçüde eksik olan, genellikle sessizlik algılama ve kesme sezgileriyle ancak taklit edilebilen bu tür iç içe geçmiş diyalog.

Konuşma sırasında iş devri

Vercel'in öne çıkardığı ikinci yetenek istemci delegasyonu. Temel bir oturumda yalnızca ses modeli çalışır, ancak bir istek daha derin çalışma gerektirdiğinde — bir sorgulama, bir hesaplama, uzun soluklu akıl yürütme — uygulama bunu seçtiği bir metin modeline devredebilir ve sohbeti sürdürebilir. Sonuç modelin commentary kanalından döner ve GPT-Live 1 onu sesli olarak okur.

Vercel'in örnek kodu openai/gpt-5.6-sol modeline devrediyor, ancak şirket AI Gateway'de bulunan herhangi bir metin modelinin bu rolü üstlenebileceğini belirtiyor. Kontrol uygulamada kalıyor: kodunuz hangi devredilen işin çalışacağını belirliyor ve izinleri, onayları ile iptal işlemlerini yönetiyor. Faturalandırma da ayrık: devredilen model istekleri AI Gateway üzerinden ayrı olarak ölçülüyor ve arka plan istekleri çalışırken ses oturumu kullanımı birikmeye devam ediyor.

Kurulum nasıl görünüyor

Kurulum bilinçli olarak küçük tutulmuş: tek bir pnpm add ile AI SDK, OpenAI provider paketi ve bir WebSocket client ekleniyor. AI Gateway API anahtarı ve gateway'in base URL'i ile yapılandırılmış bir istemcide experimental_realtime('openai/gpt-live-1', { api: 'live' }) çağrısıyla bir oturum açılıyor. Duyurudan çıkarılması gereken işlemsel bir ayrıntı: modele herhangi bir ses göndermeden önce session-started olayını bekleyin.

Vercel'in yayınladığı kod parçaları yalnızca temel çağrıları kapsıyor. Şirket, bunlarda WebSocket bağlantı yönetimi, olay ayrıştırma, transkript oluşturma, ses akışı ve kapatma işlemlerinin yer almadığını söylüyor ve eksiksiz örnekler için geliştiricileri AI Gateway dokümantasyonundaki GPT-Live rehberine yönlendiriyor. Diğer ses modelleri gateway'in model kataloğunda listeleniyor.

Neden önemli

Doğal kesme, kabaca telefon görüşmesi gibi hissettiren bir ses arayüzü ile telsiz gibi hissettiren biri arasındaki farktır. Tam çift yönlü bir modeli geliştiricilerin metin modelleri için halihazırda kullandığı bir gateway'in arkasına koyarak Vercel, ekiplere mevcut araçlarını terk etmeden konuşmacı ses özelliklerine geçiş yolu sunuyor — ancak ses akışından kapatma işlemine kadar atlanan parçalar, gerçek dağıtımların hâlâ anlamlı bir gerçek zamanlı mühendislik gerektirdiğini gösteriyor.

Delegasyon tasarımı daha etkili sinyal olabilir. Ses modelini konuşmacı bir ön yüz olarak ele alıyor ve daha ağır düşünme işini ayrı, potansiyel olarak daha güçlü bir metin modeline bırakıyor; neyin çalışacağına ve neyin iptal edileceğine karar veren sağlayıcı değil uygulama. Bu ayrımın bir maliyet boyutu da var: arka plan çalışması sürerken ses oturumları faturalanmaya devam ediyor, bu yüzden ekipler ne sıklıkla devrettiği konusunu takip etmek isteyecek. Zaten isteklerini AI Gateway üzerinden yönlendirenler için GPT-Live 1, fiilen metin odaklı bir API'yi nispeten küçük bir ek yüzeyle ses yetenekli hale getiriyor.