Özet: AI ajanınıza ses kazandırmak için OpenAI'ın GPT-Live-1.1 modelini bir ses ön ucu olarak önüne koyun ve gerçek işi halihazırda çalıştırdığınız ajanlarda bırakın. GPT-Live konuşurken dinler ve akıl yürütme ile araç çağrılarını delegation (yetkilendirme) yoluyla bir backend'e devreder. Client delegation modunda uygulamanız her devri yakalar, webhook'u üzerinden bir Sharkly Automation başlatır ve sonucu geriye sesli olarak iletir.
GPT-Live-1.1 nedir?
GPT-Live-1.1, OpenAI'ın çok dilli konuşmalar için tam dubleks (full-duplex) ses modelidir: konuşurken dinleyebilir, yani insanlar bir meslektaşlarını böldükleri gibi onu da bölebilir. v1/live/sessions uç noktasında çalışır, function calling ve streaming destekler ve akıl yürütme ile araç kullanımını kendisi yapmak yerine bir backend ajanına devredebilir.
OpenAI'ın GPT-Live-1.1 model sayfası, konuşmayı GPT-Live-1'den daha doğru şekilde transkribe ettiğini ve diller arasında daha tutarlı bir aksan ve ses koruduğunu belirtir. Girdi ve çıktı ses ve metindir. Doğrudan görsel kabul etmez.
Ajan ekipleri için önemli olan kısım delegation'dır. Ses modeli konuşmak üzere tasarlanmıştır, 20 dakikalık bir refactor çalıştırmak için değil. O işi başka bir şeye devreder ve beklerken konuşmayı sürdürür.
Ekipiniz zaten paylaşılan bir panoda kodlama ajanlarına iş atıyorsa, Sharkly "başka bir şey" olabilir. Bu kılavuzun geri kalanı bağlantının nasıl kurulacağını gösteriyor.
Bir ses ajanı neden bir backend ekibine ihtiyaç duyar?
Bir ses arayüzünün sıkı bir gecikme bütçesi vardır. İnsanlar yaklaşık bir saniye içinde yanıt bekler ve bundan uzun bir sessizlik bozuk gibi hissettirir. Gerçek ajan işi bu pencereye sığmaz: bir depoyu okumak, testleri çalıştırmak veya bir kuyruğu triyaj etmek dakikalar alır.
Dolayısıyla her şeyi kendisi yapmaya çalışan bir ses ajanı iki şekilde başarısız olur. Ya hızlı ve yüzeysel yanıtlar verir, ya da düşünürken susar. Toplantıya yürürken dün geceki ajan çalıştırmalarının geçip geçmediğini bilmek istediğinizde ikisi de işe yaramaz.
Çözüm, muhtemelen metin için halihazırda kullandığınız bir bölünmedir: konuşmayı yöneten hızlı bir ön uç ve işi yapan daha yavaş bir backend. GPT-Live bu bölünmeyi API'nin içine yerleştirir. ajan-ajan ve ajan-insan devirleri hakkındaki yazımızı okuduysanız, bu mikrofon takılmış aynı desendir.
GPT-Live delegation nasıl çalışır?
GPT-Live, oturumu oluşturduğunuzda seçilen iki delegation moduna sahiptir. Mod değiştirmek için yeni bir oturum başlatırsınız.
| Responses delegation | Client delegation | |
|---|---|---|
| Backend'i kim çalıştırır | OpenAI, Responses API üzerinden | Uygulamanız |
| Yapılandırma | delegation.type: "responses" artı model, instructions, tools |
delegation.type: "client" |
| Backend modeli | Yapılandırdığınız bir model, örneğin gpt-6-luna |
Çağırabildiğiniz her şey |
| Sonuçlar nasıl döner | Sizin için halledilir | session.commentary.append veya session.thinking.append |
| Uygun olduğu durumlar | OpenAI'ın çalıştırabileceği aramalar ve araç çağrıları | Kendi sistemlerinizde yaşayan işler |
Responses delegation kısa yoldur. Bir backend modeli belirlersiniz ve OpenAI onu listelediğiniz araçlarla çalıştırır. delegation rehberi, gpt-6-luna ile başlamayı ve daha karmaşık backend görevleri için gpt-6-sol'u denemeyi önerir.
Client delegation, halihazırda çalıştırdığınız ajanlar için olan yoldur. Ses modeli yardıma ihtiyacı olduğuna karar verdiğinde, uygulamanız bir delegation ID'si içeren session.delegation.created olayı alır. Bu olay kullanıcının sözlerini taşımadığı için uygulamanız talebi transkript olaylarından ve kendi durumundan yeniden oluşturur. İş bittiğinde, sonucu aynı delegation ID'siyle geri gönderirsiniz ve GPT-Live bunu sesli olarak kendi ifadesiyle aktarır.
Desen: GPT-Live konuşur, ajan ekibiniz çalışır
İşte Sharkly üzerine bir ses ön ucunun yapısı. Sharkly, kodlama ajanlarınızın (Claude Code, Codex, Gemini CLI ve diğerleri) üzerinde, işin atandığı, bağlı Computers üzerinde çalıştırıldığı ve gözden geçirildiği katman olarak konumlanır. Ses modeli hiçbir zaman bir depoya dokunmaz. İş ister ve pano kaydeder.

Üç talep türü, insanların ajan ekiple ilgili bir ses ajanına sorduğu şeylerin çoğunu kapsar:
- Durum soruları ("Gece testleri geçti mi?"). Backend'iniz panoyu
sharklyCLI ile okur ve saniyeler içinde yanıtlar. - Yeni iş ("Bir ajan o sorunlu giriş testine baksın"). Backend'iniz bir Sharkly Automation webhook'unu çağırır ve bir Agent veya Crew bir çalıştırma başlatır.
- Kararlar ("Birleştir"). Backend'iniz reddeder ve kişiye nerede gözden geçireceğini söyler. Ses, değişiklikleri onaylamak için zayıf bir yerdir.
Bu üçüncü kural bir tasarım tercihidir, her iki ürünün de kısıtlaması değildir. Sözlü bir "evet" yanlış duyulması kolay ve denetlenmesi zordur. Onayları kanıtın olduğu yerde tutun; bu konuyu human-in-the-loop kodlama ajanları rehberimiz ayrıntılı olarak ele alıyor.
AI ajanınıza ses kazandırın: adım adım kurulum
Adım 1: Automation'ı ve webhook tetikleyicisini oluşturun
Sharkly'de bir Automation, tekrarlanabilir Agent veya Crew işi için bir Space'e ait tanımdır: talimatlar, bir atanan kişi, tetikleyiciler ve çalıştırma geçmişi. Bir webhook tetikleyicisi, harici bir hizmetten POST isteği kabul eden gizli bir URL oluşturur. Automations dokümanları, tam URL'nin yalnızca tetikleyici oluşturulduğunda veya yeniden üretildiğinde gösterildiğini belirtir; bu yüzden hemen bir sır (secret) olarak saklayın.

Talimatları, Agent'ın talebi tetikleyici yükünden okuyacak ve sonucunu bir görev yorumu olarak kaydedecek şekilde yazın. Neyi değiştirebileceğini ve ne zaman bir insanın karar vermesi gerektiğini belirtin. Ardından herhangi bir ses trafiği bağlamadan önce Agent'ı ve Computer'ını test etmek için "Run now"ı kullanın. Sharkly'deki Automations anlatımız daha fazla tetikleyici türü gösteriyor.
Adım 2: Client modunda bir GPT-Live oturumu oluşturun
Oturum yapılandırmanız ses modelini belirtir ve client delegation'ı açar. acknowledgement_delay_ms ayarı, GPT-Live genel bir onay konuşmadan önce uygulamanıza kendi güncellemesini gönderme zamanı tanır.
export const session = {
model: "gpt-live-1.1",
instructions:
"You are the voice front end for an engineering team's agent board. " +
"Delegate status questions and new work requests. Never approve, merge, or deploy.",
delegation: {
type: "client",
acknowledgement_delay_ms: 800,
},
};
OpenAI, tarayıcı, mobil ve sunucu uygulamalarında ses için WebRTC'yi, WebSockets'ı ise desteklenen bir alternatif olarak önerir. GPT-Live başlangıç rehberi bağlantı kurulumunu ele alır.
Adım 3: Her delegation'ı Sharkly'ye yönlendirin
session.delegation.created geldiğinde, delegation ID'sini kaydedin, talebi transkriptten yeniden oluşturun ve hangi yolu izleyeceğine karar verin. Bu Node taslağı yeni işleri Automation webhook'una gönderir ve durum sorularını panodan yanıtlar.
import { execFile } from "node:child_process";
import { promisify } from "node:util";
const run = promisify(execFile);
const WEBHOOK_URL = process.env.SHARKLY_AUTOMATION_WEBHOOK_URL!; // stored secret
async function handleDelegation(connection, delegationId: string, request: string) {
// Quiet note so the voice model knows work started; not spoken on append.
connection.send({
type: "session.thinking.append",
event_id: `start_${delegationId}`,
delegation_id: delegationId,
content: "Request received. Checking the agent board.",
});
if (isStatusQuestion(request)) {
const { stdout } = await run("sharkly", ["task", "list", "--status", "In Progress", "--output", "json"]);
const tasks = JSON.parse(stdout);
return speak(connection, delegationId, `${tasks.length} tasks are in progress right now.`);
}
const res = await fetch(WEBHOOK_URL, {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ source: "voice", request }),
});
if (!res.ok) {
return speak(connection, delegationId, "I couldn't start that run. Nothing was assigned.");
}
return speak(connection, delegationId, "An agent run has started. The result will land on the board.");
}
function speak(connection, delegationId: string, content: string) {
connection.send({
type: "session.commentary.append",
event_id: `result_${delegationId}`,
delegation_id: delegationId,
content, // 500-token limit per append
});
}
Ses yanıtının ne vaat ettiğine dikkat edin. İşin bittiğini değil, bir çalıştırmanın başladığını söyler. OpenAI'ın rehberi de rezervasyonlar hakkında aynı noktayı vurgular: sonucu yalnızca eylem başarıyla tamamlandıktan sonra gönderin.
Adım 4: Sonuçları kulaktan değil panodan okuyun
Ajan çalıştırmaları dakikalar alır ve bir ses oturumu iş bitmeden sona erebilir. Bu yüzden kayıt panodur. Agent sonucunu göreve postalar, çalıştırma geçmişi tetikleyici yükünü ve çıktıyı gösterir ve bir insan orada gözden geçirir. Bir dahaki sefere "sorunlu testte ne oldu?" diye sorduğunuzda, durum yolu o sonucu size geri okur.
Planlanması gereken maliyet ve sınırlar
| Kalem | GPT-Live-1.1 (OpenAI dokümanları, 20.11.2026) |
|---|---|
| Uç nokta | v1/live/sessions |
| Aktif oturum | Dakika başına $0,05 |
| Beklemede (standby) | Dakika başına $0,02 (çıkarım duraklatıldığında WebRTC oturumları) |
| Faturalandırma | Süreye göre; OpenAI'ın fiyatlandırma sayfası GPT-Live'ın saniye başına faturalandığını belirtir |
| Eşzamanlı oturumlar | GPT-Live-1'den ayrı sınırlar; kuruluşunuzun sınırlar sayfasına bakın |
| Backend çağrıları | Yapılandırılan modelin normal ücretleriyle faturalandırılır |
10 dakikalık bir standup kontrolü, backend çağrıları öncesinde, aktif oranla ses süresinde $0,50 tutar. Referans olarak, GPT-Live-1 model sayfası Build, Launch ve Grow katmanlarında 50, 300 ve 500 eşzamanlı oturum listeler ve Free katmanında erişim sunmaz. GPT-Live-1.1'in kendi sınırları vardır.
Sharkly tarafındaki ajan çalıştırmaları, her Runtime'a zaten bağlı olan Claude Code, Codex veya API planından faturalanır. Sharkly token satmaz. Durum sorularını ucuz bir backend modeline yönlendirirseniz, Sharkly'de GPT-6 Luna ajanları çalıştırma notlarımız doğrudan geçerlidir.
İlk günden itibaren eklenmeye değer önlemler
- Kesintiler işi iptal etmez. OpenAI'ın rehberi, sesli konuşmayı bölmenin backend işini durdurmadığını belirtir. Biri "boşver" derse, backend'iniz bunu ele almalıdır, yoksa çalıştırma devam eder.
- Webhook URL'sini bir parola gibi ele alın. Sharkly'nin dokümanları bunu varsayılan olarak bir bearer sırrı olarak tanımlar. Bir imzalama sırrı ekleyin ve sızarsa URL'yi yeniden üretin.
- Automation'ın kapsamını sınırlayın. Sharkly dokümanlarının önerdiği gibi, gözlemlenebilir ve geri alınabilir işlerle başlayın ve kapsamı genişletmeden önce birkaç çalıştırmayı gözden geçirin.
- Crew delegation'ı Sharkly içinde tutun. Bir talep birkaç ajan gerektiriyorsa, webhook'u bir Sharkly Crew'ye yönlendirin ve liderinin işi bölmesine izin verin.
Bir ses ön ucunun yanlış araç olduğu durumlar
Talebin anlam kazanması için bir diff, bir log veya bir ekran görüntüsü gerekiyorsa sesi atlayın. Ses size başarısız bir testi gösteremez. İmza gerektiren her şey için de yanlış kanaldır: onaylar, deploymentlar ve erişim değişiklikleri kanıtın bulunduğu göreve ait olmalıdır.
Ses, hızlı durum kontrolleri, iyi tanımlanmış çalıştırmaları başlatma ve ellerin meşgul olduğu anlar için değerini kanıtlar. Bunu ajan panonuzun yerine geçen değil, onun için bir uzaktan kumanda olarak düşünün.
Sonuç
GPT-Live-1.1, bir ses ajanının kendinizin kurması zor olan kısmını halleder: kesintilerle tam dubleks konuşma. Delegation her şeyin gerisini backend'e devreder. Mevcut ajan ekibinizi o backend'in arkasına koyun; çalıştırmaları sesli olarak sorabilir ve yenilerini başlatabilirsiniz, her sonuç yine de bir insanın gözden geçirdiği bir panoya düşer.
Sıradaki adımınız: Sharkly'de webhook tetikleyicili bir Automation oluşturun, "Run now" ile test edin, ardından client modunda bir GPT-Live oturumunu ona yönlendirin. Sharkly dokümanları Agents, Computers ve Automations'ı ayrıntılı olarak ele alır.
SSS
AI ajanıma nasıl ses kazandırırım?
GPT-Live-1.1 gibi bir ses modelini ajanın önüne koyun ve delegation yapmasına izin verin. Ses modeli dinleme ve konuşmayı yönetir; backend'iniz ajanı çalıştırır ve ses modelinin söyleyeceği kısa bir sonuç döndürür.
GPT-Live-1.1 API'de mevcut mu?
Evet. OpenAI, gpt-live-1.1'i v1/live/sessions uç noktası, function calling ve streaming ile listeler. v1/realtime veya v1/responses uç noktalarını doğrudan desteklemez.
GPT-Live-1.1 ne kadar tutar?
OpenAI, aktif oturumlar için dakika başına $0,05 ve beklemede dakika başına $0,02 listeler. Delegation yoluyla yapılan backend model çağrıları, kendi normal ücretleriyle ayrıca faturalandırılır.
Responses delegation ile client delegation arasındaki fark nedir?
Responses delegation'da OpenAI, yapılandırdığınız bir backend modelini çalıştırır. Client delegation'da uygulamanız her talebi alır ve sonuçları session.commentary.append veya session.thinking.append ile döndürür.
GPT-Live-1.1 kodlama ajanlarını doğrudan çalıştırabilir mi?
Hayır. Delegation yapar. Backend'iniz neyin çalışacağına karar verir; örneğin, bağlı bir Computer üzerinde bir Agent veya Crew çalıştırması başlatan bir Sharkly Automation webhook'unu çağırarak.
Görev ortasında ses ajanını bölersem ne olur?
Konuşma durur, ama backend işi durmaz. İptali backend'inizde ele alın; örneğin çalıştırmayı duraklatarak veya göreve yorum yazarak.



