OpenAI 正式推出 GPT-Live-1 语音交互模型，并将其集成至 API 平台，为开发者提供构建实时语音应用的新工具。该模型突破传统语音交互架构，通过整合语音理解与生成模块，显著降低系统延迟，同时支持全双工对话模式，可同步处理语音输入输出、应对打断场景并过滤背景噪声干扰。
技术架构方面，GPT-Live-1 摒弃了"语音转文本-LLM处理-文本转语音"的三段式流程，将核心功能集成于单一模型。复杂推理任务可交由后端文本模型处理，开发者通过系统提示词即可调节语音输出参数，包括语速、语调及对话风格。该模型同时支持原生语音识别与文本回复，具备数字字母识别、关键词强化及对话轮次检测等专项能力。
在电话客服、餐厅预订等双工语音场景中，GPT-Live-1 展现出显著优势。语言学习平台 Speak 的测试数据显示，新系统使学习者思考停顿期间的误打断率降低80%。医疗服务平台技术团队通过集成该模型，精简了2.3万行代码，开发效率提升4倍。性能评测显示，在 Full Duplex Bench 基准测试中，其表现较前代模型提升30个百分点，搭配 GPT-6 Astra 推理模块时，在 Tau3 智能体任务测试中登顶榜首。
OpenAI 同步扩展了语音资源库，新增 Quartz、Ripple、Vesper 等12种音色选项，并承诺未来将持续增加多语言支持。商业合作层面，开发者可通过 API 调用前端语音层服务，定价为每分钟0.05美元（约合人民币0.34元），后端模型及智能体工具费用另计。该模型已开放企业系统集成接口，支持构建可执行审批操作、自动转接人工的复合型语音工作流。
