OpenAI 开放 GPT-Live-1 API，全双工语音让应用同时说话与聆听

OpenAI 于 2026 年 9 月 10 日宣布，将 GPT-Live-1 正式开放为开发者 API。这款语音模型的核心能力在于支持全双工通信——即模型在输出语音的同时，能够持续接收并处理用户的语音输入，而非等待一方说完再切换。这一特性使对话体验更接近真实的人际交流，而非传统的轮流发言模式。目前，GPT-Live-1 已在 ChatGPT 产品内部运行，此次面向开发者开放标志着该技术进入更广泛的商业应用阶段。

在性能指标上，GPT-Live-1 相较前代模型 GPT-Realtime-2.1 实现了全面跃升。全双工互动性测试得分从 45.4% 大幅提升至 80.1%；轮次切换延迟从 1.4 秒缩短至 0.8 秒，响应更加流畅自然；工具调用准确率则从 60% 提升至 87%，显著增强了模型在复杂任务中的可靠性。在专项的银行语音客服基准测试中，GPT-Live-1 的通过率从 12.4% 提升至 32%，展现出在垂直行业场景中的实际落地潜力。

已有企业率先将 GPT-Live-1 应用于实际业务。点评平台 Yelp 将该模型用于电话预订服务，其首席技术官 Alex Levy 表示，引入 GPT-Live-1 后电话处理质量明显改善。这一案例表明，全双工语音模型在需要实时交互的客服、预订等场景中具备切实的商业价值，也为其他行业的开发者提供了参考方向。

GPT-Live-1 在功能层面也有所扩展。模型新增了 12 种声音选项，涵盖不同口音、方言和语言，有助于开发者构建面向多元用户群体的语音应用。同时，模型原生支持自动语音识别（ASR）转录文本与响应文本的直接输出，降低了开发者在语音转文字环节的额外集成成本。开发者可根据具体用例，将 GPT-Live-1 与不同后端模型灵活组合，以平衡推理深度、速度与成本。

定价方面，GPT-Live-1 的收费标准为每分钟 0.05 美元，在当前语音 AI API 市场中属于较高水平。对于通话时长较短的场景，这一价格尚在可接受范围；但对于需要长时间持续通话的应用，成本压力不容忽视。开发者在评估是否采用该模型时，需结合自身业务场景的通话时长与频次进行详细的成本核算，方能判断其商业可行性。

要点

• GPT-Live-1 支持全双工通信，可同时说话与聆听，互动性测试得分从 45.4% 提升至 80.1%，轮次切换延迟降至 0.8 秒
• 工具调用准确率从 60% 跃升至 87%，银行语音客服基准通过率从 12.4% 提升至 32%，垂直行业落地能力显著增强
• Yelp 已将其用于电话预订服务并报告通话处理质量改善，是目前最具代表性的商业落地案例
• 模型新增 12 种多口音多语言声音，原生支持 ASR 转录输出，降低开发集成门槛
• 定价为每分钟 0.05 美元，成本较高，开发者需根据实际通话场景评估商业可行性