OpenAI已发布实时语音对话模型GPT-Live-1 API，面向语音代理开发者开放使用。与传统语音AI需等待用户说完后再作答不同，GPT-Live-1支持在对话过程中实时插话，并可实现更自然的轮替发言。

据Gigazine当地时间11日报道，OpenAI自10日起已向开发者提供GPT-Live-1 API。开发者可围绕语气、语速、对话方式以及回复节奏等参数进行更细致的设置。

GPT-Live-1的核心在于全双工（full duplex）架构。不同于传统“语音转文本—语言模型处理—语音合成”的串联链路，GPT-Live-1可在同一模型中同步处理输入与输出语音。即使用户在AI回答过程中临时打断或补充信息，系统也能维持对话连续性。

OpenAI表示，这一设计有助于降低语音交互延迟，并减少多模型之间信息传递带来的不稳定性。同时，模型在处理环境噪声、沉默区间以及长时对话上下文保持方面也更加自然。

在开发层面，GPT-Live-1强调可定制性。开发者可通过系统提示设定语速、语调和对话风格，并选择支持多语言及方言的语音方案。

对于复杂任务，OpenAI采用前后端分工方式：GPT-Live-1负责实时语音交互，推理或工具调用则交由GPT-6 Astra等文本模型，或外部模型处理。按这一架构，面向餐厅预订、客服等实际电话服务场景的AI代理，落地门槛有望进一步降低。

在性能方面，OpenAI称GPT-Live-1较现有语音模型有所提升。公司表示，与此前的语音模型GPT-Realtime-2.1相比，GPT-Live-1在全双工基准测试中的表现提升30%，轮替发言延迟和交互质量也有所改善；在与GPT-6 Astra结合的语音代理任务评估中，按“Tau3”标准排名第一。

目前已有企业开始导入该模型。为住宅和医疗机构提供AI解决方案的EliseAI，作为早期设计合作伙伴，已将GPT-Live-1应用于实际运营环境。

定价方面，GPT-Live-1语音前端按分钟计费，价格为0.05美元/分钟。开发者可在此基础上搭配后端模型及所需代理能力，构建面向不同服务场景的语音AI应用。

Gigazine认为，此次API发布意味着OpenAI正把原本局限于ChatGPT内部的实时语音能力，进一步扩展至客服、预订、电话咨询等外部服务场景。相较于“必须等用户说完”的传统语音AI，这种支持双向对话、可实时插话的自然交互形态，是否会成为下一代服务入口，仍值得观察。

目前，GPT-Live-1 API已正式开放。OpenAI表示，开发者可将类似ChatGPT的自然对话体验引入自有应用，构建可边听边说的语音代理，并按需组合模型与工具。