OpenAI GPT-Live-1

产品简介

GPT-Live-1 是 OpenAI 于 2026 年 9 月 10 日正式通过 API 开放的实时语音模型，支持全双工（Full-Duplex）语音交互——可以边听边说，不再依赖传统 STT→LLM→TTS 串联链路，从而大幅降低延迟并避免交接抖动。此前该模型已在 ChatGPT 中内置，本次是首次面向开发者开放，可用于电话客服、外语陪练、订餐订位等多种场景。定价为 0.05 美元/分钟。

核心功能

• 全双工实时对话：单模型同时处理输入输出音频，实现边听边说的自然交互体验
• 智能打断处理：单模型统一推理进出音频，避免传统链路的延迟和生硬交接
• 推理与工具调用代理：可把推理和工具调用代理给后端文本模型（如 GPT-6 Astra 或第三方模型）
• 音色与风格定制：通过系统提示词塑造 Agent 的语调、节奏和对话风格
• 12 种新音色可选：覆盖不同口音、方言和语言，默认提供 ASR 转写与回复文本
• 长对话可靠性：扩展交互中保持上下文一致性和对话质量
• 电话客服场景支持：支持全双工语音 Agent 部署，从订餐到客服全覆盖

特色优势

GPT-Live-1 的核心突破在于将传统语音交互的三段式架构（STT→LLM→TTS）压缩为单一模型全双工处理，轮换延迟从 1.4 秒降至 0.8 秒。在 OpenAI 基准测试中，GPT-Live-1 在全双工交互测试中得分 80.1%，较 GPT-Realtime-2.1 的 45.4% 近乎翻倍；工具调用准确率从 60% 提升至 87%；银行语音客服基准通过率由 12.4% 提升至 32%。

0.05 美元/分钟的定价显著低于专业呼叫中心成本，将推动电话客服、语音 Agent、企业 IVR 等场景大规模落地。

应用场景

• 电话智能客服：全双工自然对话，处理订餐、预约、售后等场景
• 外语陪练：实时对话练习，Speak 平台已验证用户被打断率下降近 80%
• 语音 Agent 开发：开发者基于 API 构建各种语音交互应用
• 企业 IVR 系统：替代传统按键式导航，实现自然语音交互

适用人群

• 需要构建语音交互应用的开发者
• 企业客户（希望用 AI 客服降低呼叫中心成本）
• 教育平台（语言学习、外语陪练场景）
• 零售和餐饮（订餐、预约等高频语音交互场景）

出品方

OpenAI，位于美国旧金山。2026 年 9 月 10 日正式向开发者开放 API，Yelp 已将其用于电话预订。

更新动态

• 2026 年 9 月 10 日：API 正式开放
• 同步上线 12 种新音色
• 已有 Yelp、Speak 等早期客户落地应用

官网链接

https://openai.com/index/introducing-gpt-live-1-in-the-api/