OpenAI 将实时全双工语音模型 GPT-Live-1 以 API 的形式发布
内容提要
OpenAI发布实时全双工语音模型GPT-Live-1的API，开发者可构建响应更快的语音应用。该模型可同时听与说，支持流畅打断，在Tau3语音代理基准测试中得分86.2%，远超前代。Yelp已将其用于餐厅预订服务。费用为每分钟0.05美元，不含后端模型成本。
延伸解读
全双工语音的实用价值
GPT-Live-1 的全双工特性允许同时监听和生成语音，支持流畅打断，这更接近人类自然对话。相比半双工轮流发言，它能减少对话中的等待和挫败感。OpenAI 称，在早期评估中，Speak 发现该模型让学习者在语言导师回应前有更多时间思考，中断减少了近 80%。对于需要实时交互的语音应用，这种能力可能显著提升用户体验。
性能提升与基准表现
在 Tau3 语音代理基准测试中，GPT-Live-1 得分为 86.2%，而前代 GPT-Realtime-2.1 和 GPT-Realtime-2 分别仅为 45.7% 和 42.4%。OpenAI 援引自身评估称，其全双工基准性能比 GPT-Realtime-2.1 提高了 30%，同时在轮流延迟和交互行为上也优于前代。这些数据表明该模型在语音客服等任务上有明显进步，但需注意基准测试的局限性。
成本与集成考量
GPT-Live-1 的使用费用为每分钟 0.05 美元，且不包含后端模型（如 GPT-6 Astra 或更经济的选项）的成本。开发者需将这两部分费用叠加计算。该模型可通过 API 调用，也可通过 OpenAI Presence 企业平台获取，并支持与销售团队协商定制语音。对于高频语音交互场景，成本可能成为规模化部署的关键因素。
实际应用与未知因素
Yelp 已将 GPT-Live-1 用于 Yelp Host 餐厅预订服务，其首席产品官表示通话更自然流畅，能帮助餐厅抓住盈利机会并让员工专注服务。然而，Yelp 未说明顾客是否欢迎这种机器人聊天，还是仅因比等待人工客服更好而接受。这提示开发者在部署类似语音代理时，需关注用户真实接受度，而不仅是技术指标。
Q&A
GPT-Live-1 是什么？它和之前的语音模型有什么不同？
GPT-Live-1 是 OpenAI 发布的实时全双工语音模型，可以同时监听和生成语音，支持流畅打断，而之前的模型（如 Realtime API）是半双工或轮流发言的。它最初在 7 月通过 ChatGPT 界面提供，现在已通过 API 开放。
GPT-Live-1 在语音代理基准测试中的表现如何？
在 Tau3 语音代理智能基准测试中，GPT-Live-1 得分为 86.2%，而 GPT-Realtime-2.1 得分为 45.7%，GPT-Realtime-2 得分为 42.4%。OpenAI 称其全双工基准性能比 GPT-Realtime-2.1 提高了 30%。
GPT-Live-1 如何与后端模型配合工作？
GPT-Live-1 负责处理口语对话，而后端模型（例如 GPT-6 Astra 或更经济实惠的重复性任务选项）则处理信息查找、工具使用和任务管理。
GPT-Live-1 有哪些实际应用案例？
Yelp 已在 Yelp Host 服务中使用 GPT-Live-1，用于 AI 餐厅预订系统。Yelp 表示，借助 GPT-Live-1，通话更自然流畅、响应更迅速，能帮助餐厅抓住盈利机会并让员工专注于服务顾客。此外，Speak 在早期评估中发现，GPT-Live-1 让语言学习者的中断减少了近 80%。
使用 GPT-Live-1 API 的费用是多少？
GPT-Live-1 的使用费用为每分钟 0.05 美元，此费用不包含任何后端模型的费用。定制语音可与 OpenAI 销售团队协商。
开发者如何获取 GPT-Live-1？
开发者可以通过 API 调用 GPT-Live-1，也可以通过 OpenAI Presence（该公司的企业级代理平台）获取。
