GPT-Live-1 全双工语音模型 API
OpenAI 于 2026 年 9 月 10 日把 GPT-Live-1 开放到 API，官方称其为语音应用带来自然、全双工的对话能力：模型可同时聆听与说话、平滑处理打断与插入语，并把更深的推理与工具调用委派给它所搭配的后端模型（如 GPT-6 Astra 或第三方模型）；开发者可通过系统提示控制语气、语速与风格，并原生获得语音转写与回复文本、关键词偏置与轮次检测；官方称为前端语音层每分钟 0.05 美元，并支持 WebRTC、WebSocket 与电话场景。
工具概览
功能、使用步骤与常见问题见下方
功能特点
- ✓ 全双工对话：官方称 GPT-Live-1 可同时聆听与说话，用单一模型同时推理输入与输出音频，避免传统 STT-LLM-TTS 链式架构带来的延迟与脆弱交接
- ✓ 打断处理：官方称其可自然地响应停顿、打断与简短附和；在早期评估中，语音辅导产品 Speak 发现它让学习者的打断较此前轮次式系统减少近 80%
- ✓ 推理与工具调用委派：官方称 GPT-Live-1 可把推理与工具调用委派给后端文本模型，例如用 Luna 处理高并发任务、用 Astra 处理需要推理的复杂客户问题
- ✓ 语气、语速与风格：官方称开发者可通过系统提示塑造智能体的语气、语速与对话风格，并扩充了覆盖不同口音、方言与语言的声音选项
- ✓ 长会话与电话支持：官方称其改进了长时交互的上下文保持与对话质量，能更好地处理背景噪声与静音，并支持把全双工语音智能体部署到电话场景
使用步骤
- 在 OpenAI 开发者文档中查看 GPT-Live-1 的实时语音（Live）指南并取得 API 访问
- 创建会话，选择与你的产品匹配的后端模型与智能体框架，由 GPT-Live-1 负责对话层、后端负责更深的推理与动作
- 通过系统提示设定智能体的语气、语速与对话风格，并按需使用关键词偏置与轮次检测
- 按 WebRTC（浏览器应用）、WebSocket（服务端集成）或电话方式接入；官方称前端语音层按每分钟 0.05 美元计费
常见问题
GPT-Live-1 是什么？
OpenAI 称 GPT-Live-1 是其在 API 中推出的自然、全双工语音模型，可同时聆听与说话，并把更深的推理与动作委派给它所搭配的模型与工具，用于构建语音应用与业务工作流。
它如何计费？
OpenAI 称 GPT-Live-1 的前端语音层为每分钟 0.05 美元，需搭配你选择的后端模型与智能体框架，后端产生的 token 与工具费用另计。
它有哪些关键能力？
OpenAI 称其关键能力包括：以单一模型推理输入与输出音频、改善打断处理、把推理与工具调用委派给后端模型、通过系统提示控制语气/语速/风格、更好地处理背景噪声与静音、提升长会话可靠性，以及支持电话部署。
它的表现如何？
OpenAI 称在评估中 GPT-Live-1 在 Full Duplex Bench 上比 GPT-Realtime-2.1 提升 30 个百分点，并在轮次延迟与交互行为上有大幅提升；与 GPT-6 Astra（中等推理强度）搭配时，在衡量端到端任务的前沿语音智能体基准 Tau3 上排名第一。
哪些公司在使用它？
OpenAI 称 Yelp、Speak、Fin 与 Cognition（Devin）等客户正在使用 GPT-Live-1，其中 Speak 在早期评估中发现它把学习者思考停顿时的打断减少了近 80%。