OpenAI 将 GPT-Live-1 引入 API，支持全双工实时语音交互

OpenAI 宣布将 GPT-Live-1 引入 API，开发者可据此打造支持实时语音交互的应用和业务流程。该模型支持全双工对话，能同时听取和输出语音，并在对话中处理打断、停顿及背景噪声。

GPT-Live-1 将语音理解与语音输出整合在同一模型中，减少传统多次衔接环节以降低延迟。模型支持电话场景，可用于预订餐厅、客户服务等全双工语音智能体，也可与 Codex 等工具连接。

早期评估显示，语言学习平台 Speak 使用后，学习者思考停顿期间的误打断次数减少近 80%；某医疗服务团队将代码量减少 80%，删除约 2.3 万行代码。在 Full Duplex Bench 测试中，GPT-Live-1 表现比 GPT-Realtime-2.1 高出 30 个百分点。

目前 GPT-Live-1 已在 API 中提供，前端语音层价格为每分钟 0.05 美元，后端模型和智能体工具费用另行计算。OpenAI 同时新增 Quartz、Ripple、Vesper 等 12 种声音，并计划继续增加语音和语言支持。