OpenAI 开放实时双向语音 API 开发者可用
时间:2026 年 11 月 20 日
地点:美国 / 线上发布
人物:OpenAI 产品团队
事件详情:OpenAI 于 11 月 20 日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以同时聆听和说话,不必等待用户完整说完一句话才开始处理。该模型能够识别用户说话过程中的停顿、打断和语速变化,并实时判断应该继续聆听还是作出回应。
背景:GPT-Live-1.1 自 2026 年 10 月 15 日起已成为 ChatGPT Plus 及更高级别订阅用户的默认语音模型。此次 API 开放,进一步将相关能力提供给第三方开发者。在具体能力方面,OpenAI 表示 GPT-Live-1.1 改进了多语言语音处理、指令遵循能力和语音保真度,能够更可靠地处理字母、数字等需要精确识别的信息,减少语音交互过程中出现的理解偏差。
影响:该模型支持将需要更深入推理或工具调用的任务委托给开发者选择的后端模型。开发者既可以使用 OpenAI 的模型,也可以接入第三方模型。后端模型在处理复杂任务时,语音对话仍然可以继续进行,无需中断当前交互。这意味着开发者可以将实时语音交互与后端模型的推理、工具调用能力结合起来,让语音智能体在回答用户问题的同时,处理需要多步骤执行的复杂工作流。根据 OpenAI 官方 API 文档,GPT-Live 系列采用全双工架构,能够直接处理输入和输出音频,减少传统语音系统中语音识别、大语言模型和语音合成串联所产生的延迟。
总结:OpenAI 开放 GPT-Live-1.1 API,标志着实时语音交互能力从消费级产品走向开发者生态。全双工架构、多语言优化、后端任务委托以及 standby 计费模式,共同降低了构建语音智能体的门槛。开发者现在可以通过 OpenAI 开发者平台了解模型能力、配置方式和具体使用方法,将实时语音 AI 集成到各类应用中。
常见问题:
问:GPT-Live-1.1 和 GPT-Live-1 有什么区别?
答:GPT-Live-1.1 改进了多语言语音处理、指令遵循能力和语音保真度,能更可靠地处理字母、数字等需要精确识别的信息。
问:GPT-Live-1.1 API 如何计费?
答:活跃语音每分钟 0.05 美元,待机状态每分钟 0.02 美元,语音会话按持续时间计费。
参考来源:
IT之家:OpenAI 开放 GPT-Live-1.1 API:支持实时双向对话 https://www.ithome.com/1/029/776.htm
DoNews:OpenAI 开放 GPT-Live-1.1 API:支持实时双向对话 https://www.donews.com/news/detail/1/6776700.html
网易号/IT之家:OpenAI开放GPT-Live-1.1 API https://www.163.com/dy/article/LC5SF0RS0511B8LM.html
17173:OpenAI 开放 GPT-Live-1.1 API https://news.17173.com/content/11202026/093205177.shtml
orcarouter.ai:GPT-Live-1.1 API: Standby Billing at $0.02 a Minute https://www.orcarouter.ai/blog/gpt-live-1-1-api-release-standby-pricing
i10x.ai:OpenAI GPT-Live-1.1 Voice Model https://i10x.ai/news/openai-gpt-live-1-1-voice-model-api
GitHub openai-go:Release v3.104.0 https://github.com/openai/openai-go/releases/tag/v3.104.0
w3cschool:OpenAI GPT-Live-1.1 模型 https://www.w3cschool.cn/openai_api/openai_api-models-gpt-live-1-1.html







