# OpenAI 在 API 中推出全双工语音模型 GPT-Live-1 - 来源：OpenAI：官网动态（RSS · 排除企业/客户案例） - 发布时间：2026-09-10 08:00 - AIHOT 分数：70 - AIHOT 标记：精选 - AIHOT 链接：https://aihot.news/items/cmtvsgyqs05vkrofbgg06yzsa - 原文链接：https://openai.com/index/introducing-gpt-live-1-in-the-api ## 精选理由 原文给出单模型全双工语音架构、基准变化和定价，读者可以据此评估它能否简化现有语音 Agent 的分层方案。 ## AI 摘要 OpenAI 在 API 中发布语音模型 GPT-Live-1，可同时听和说，支持将推理和工具调用委派给 GPT-6 Astra 等后端模型，前端语音层定价为每分钟 $0.05。 ## 正文 GPT‑Live‑1 将 ChatGPT 自然、全双工的对话能力带入 API，让开发者能更好地控制语音智能体的说话与行动方式。 我们正式在 API 中推出 GPT‑Live‑1，为开发者提供一个强大、自然的语音模型，用于构建支持语音的应用和业务工作流。GPT‑Live‑1 最初在 ChatGPT 中亮相，它能够同时听和说，并且正如在 Codex 和 ChatGPT Work 中所见，它可以将更深层的推理和操作委派给它所搭配的模型和工具。 针对 GPT‑Live‑1 的 API 版本，我们重点打造了多项新能力，让开发者能够围绕自己的用户、工作流和目标来引导和定制语音体验。GPT‑Live‑1 的一项核心优势——流畅的中断处理——已经带来了实际业务影响：在早期评估中，Speak 发现 GPT‑Live‑1 让学习者在语言辅导老师回应之前有更多时间思考，与以往基于轮次的系统相比，中断减少了近 80%。 GPT‑Live‑1 在 API 中的关键优势： **中断处理：**通过单一模型同时对传入和传出音频进行推理，改进了中断处理，避免了链式 STT–LLM–TTS 架构的延迟和脆弱的交接。 **推理与工具调用委派：**GPT‑Live‑1 可以将推理和工具调用委派给后端文本模型，例如 GPT‑6 Astra 或第三方模型。 语气、节奏和风格： 让开发者通过系统提示词来塑造智能体的语气、节奏和对话风格。 静默上下文管理与背景噪声： 更好地处理背景噪声和静默，不会打断对话，也不会把每一步都大声叙述出来。 长会话可靠性： 提升长时间交互中的上下文保持能力和对话质量。 电话支持： 支持部署用于电话通话的全双工语音智能体，从餐厅预订到客户支持均可覆盖。 Yelp Host 借助 GPT‑Live‑1 处理背景噪声、旁支对话和打断，顺畅地完成预订。 简化你的语音智能体架构，降低语音延迟 传统语音智能体将语音转文字、推理模型和文字转语音拼接在一起。每一次交接都会增加延迟，也带来更多丢失时机、上下文或对话自然节奏的可能。开发者往往要负责协调这些环节，包括当有人打断、停顿或改变话题时该如何处理。 GPT‑Live‑1 在单一模型中同时处理听与说，简化了语音层。它能在打断和确认应答发生时即时响应，同时将更深层的推理交给后端处理。这让对话在工作于后台进行的同时得以持续。 “与我们此前的级联式构建相比，GPT‑Live‑1 将我们的代码库简化了 80%，并移除了 23K 行代码。这实现了自然、实时的患者对话，并让我们的团队得以腾出手来改进从预约挂号到就医导航的体验。” ——Tony Stoyanov，联合创始人兼 CTO 开发者可选择对话背后的模型、工具和智能体框架。例如，他们可以将 GPT‑Live‑1 与 Luna 这样的模型搭配，用于排程或订单更新等高并发任务，并使用 Astra 这样的模型处理需要推理的复杂客户问题。这种灵活性让开发者能够为每项任务匹配相应的推理深度、速度和成本。 GPT‑Live‑1 原生提供 ASR 转写文本和响应文本。它还具备出色的字母数字理解能力，并支持关键词偏置。尽管 GPT‑Live‑1 并非基于轮次的模型，但它原生支持轮次检测，因此开发者仍可围绕明确的轮次边界进行构建。 衡量全双工优势 在我们的各项评估中，GPT‑Live‑1 相比 GPT‑Realtime‑2.1 将 Full Duplex Bench 的表现提升了 30 个百分点，在轮次转换延迟和交互行为方面均有大幅提升。搭配以中等推理强度运行的 GPT‑6 Astra，它还在 Tau3 上排名第一，该基准衡量的是前沿语音智能体在端到端任务上的智能水平。 评估航空、零售和电信领域的语音客服任务。Pass@1 衡量任务成功率；主指标对每个领域赋予相同权重。 GPT Live 后端：Astra（medium）。 评估带有知识检索和账户工具的语音银行支持。Pass@1 是 97 项 banking_knowledge 任务中成功完成的比例。 GPT Live 后端：Astra（medium）。 评估停顿处理、对话轮次转换、打断和反馈应答。 测试对背景语音、对他人说话、听者反馈应答以及打断的反应。 衡量智能体在用户结束一轮发言后多快开始回复。 测试从包含自然停顿、犹豫和自我纠正的语音请求中进行工具使用。Pass@1 对工具调用序列进行评分。 GPT Live 后端：Terra（low）。 评估对使用工具请求的口头回答，其中包含停顿、犹豫和自我纠正。评分回答与参考意图的匹配程度。 GPT Live 后端：Terra（low）。 客户评价 “将 GPT‑Live‑1 集成到 Yelp Host 和 Hatch 中，相比我们传统的语音架构，改善了轮次切换和准确性。当 Yelp Host 使用 GPT‑Live‑1 接听电话（如预订和订餐）时，我们看到通话处理率有了显著提升。来电者也在说出更完整、更自然的句子，这告诉我们电话另一端的体验确实有了本质的不同。” —Alex Levy，首席技术官 “一位优秀的语言导师知道何时给学习者空间、何时介入，而 GPT‑Live‑1 将这种自然感带到了 Speak 的 Live Tutor Lessons 中——在我们的早期评估中，相比之前基于轮次的系统，它将思考停顿期间的中断减少了近 80%。” —Andrew Hsu，联合创始人兼首席技术官 “GPT‑Live-1 展示了全双工模型能够释放的潜力：它将 AI 语音支持从走走停停的节奏推向电话通话般的自然流畅。客户可以自然地停顿、打断和改变方向；语音表现是明显的进步；Fin 可以将这种自然对话与其专有的支持系统相结合，完成解决问题所需的更深层工作。对我们来说，这是迄今为止关于语音支持走向的最清晰信号。” ——Jordan Neil，首席运营官 “有了 Devin 和 GPT‑Live‑1，与 AI 工程师共事开始更像是在和一位队友协作。你可以把想法聊透、对某个方案做压力测试，或者干脆在离开键盘时把工作交出去。” ——Walden Yan，联合创始人兼首席产品官 全新语音选项 开发者需要契合自身产品、并且对使用者来说听起来自然的语音。借助 GPT‑Live‑1，我们从小规模的实时语音集扩展到了覆盖不同口音、方言和语言的更广泛选择，让开发者在助手声音的呈现方式上拥有更多选择。 未来几个月，我们将继续扩展语音选项和语言可用范围。 定价与可用性 GPT‑Live‑1 即日起 在 API 中可用⁠ ，前端语音层定价为每分钟 $0.05。将其与契合你产品的后端模型和智能体框架搭配，即可构建出能够随所需处理的工作量而扩展的语音体验。 将 GPT-Live-1 连接到 Codex 1import { Codex } from "@openai/codex-sdk";23const thread = new Codex().startThread({4 workingDirectory: "./repo",5 sandboxMode: "read-only",6 approvalPolicy: "never",7});89async function answer(live, delegationId, context) {10 const { finalResponse } = await thread.run(11 使用这个 repo 回答最新问题。12 用两句简短的口语作答。\n${context}13 );1415 live.send({16 type: "session.commentary.append",17 delegation_id: delegationId,18 content: finalResponse,19 });20} 将 GPT-Live-1 连接到 Codex。本摘录展示了应用程序如何将对话上下文传递给 Codex，并将其回答返回给 GPT-Live-1。连接设置与委派处理已省略。 如需自定义语音访问权限，请联系销售团队，了解有关资格条件和申请流程的更多信息。 在 GPT‑Live‑1 之上构建语音工作流的另一种方式是使用 OpenAI Presence，它利用该模型驱动实时语音交互。Presence 帮助企业在部署可信 AI 智能体时，使其能够回答问题、解决问题、使用公司系统、执行已批准的操作，并在需要时升级转交人工处理。如需了解更多信息，请联系您的 OpenAI 客户总监。