OpenAI launches GPT-Live-1 API with real-time voice capabilities
OpenAI 扩大实时语音模型能力：GPT-Live-1 上线 API，支持打断处理、工具调用和电话语音智能体
For developers, GPT-Live-1 offers a more efficient way to build real-time voice applications, potentially reducing code by 80% compared to previous systems.
OpenAI has introduced GPT-Live-1, a new API for real-time voice models. The model supports full-duplex conversation, allowing it to listen and speak simultaneously while handling interruptions and background noise. It can be used to create voice assistants for phone calls, such as booking restaurants or providing customer service. The model integrates speech recognition and generation, reducing latency compared to traditional text-based systems. Early tests show a 80% reduction in misinterrupts during pauses for language learners.
OpenAI 扩大实时语音模型能力：GPT-Live-1 上线 API，支持打断处理、工具调用和电话语音智能体
IT之家 9 月 11 日消息，OpenAI 今日宣布将 GPT-Live-1 引入 API，开发者可据此打造支持实时语音交互的应用和业务流程。该模型支持全双工对话，能够同时听取和输出语音，并在对话过程中处理打断、停顿及背景噪声。 GPT-Live-1 还支持电话场景，可用于预订餐厅、客户服务等全双工语音智能体。OpenAI 表示，开发者可以将其与 Codex 等工具连接，也可以通过 OpenAI Presence 开发能够查询企业系统、执行获批操作并在必要时转交人工的语音工作。 据介绍，GPT-Live-1 将语音理解与语音输出整合在同一模型中，减少传统“语音转文字 — 大语言模型 — 文字转语音”的多次衔接，从而降低延迟。模型还支持将复杂推理和工具调用交由后端文本模型处理。 开发者可以通过系统提示词调整其语气、语速和对话风格，也可以配置后端模型、工具及智能体框架。 OpenAI 表示，GPT-Live-1 支持原生语音识别转写和回复文本，并具备字母数字理解、关键词偏置及轮次检测能力。 在早期评估中，语言学习平台 Speak 使用 GPT-Live-1 后，学习者思考停顿期间的误打断次数较此前基于轮次的系统减少近 80%。医疗服务平台的联合创始人兼首席技术官 Tony Stoyanov 表示，其团队将代码量减少了 80%，删除约 2.3 万行代码。 OpenAI 公布的评测结果显示，GPT-Live-1 在 Full Duplex Bench 测试中的表现比 GPT-Realtime-2.1 高出 30 个百分点，在搭配 GPT-6 Astra 中等推理强度时，Tau3 端到端语音智能体任务测试排名第一。 目前，GPT-Live-1 已在 API 中提供，前端语音层价格为每分钟 0.05 美元。按每小时 60 分钟计算，单纯前端语音层的费用约为 3 美元 （IT之家注：现汇率约合 20.2 元人民币） ，后端模型和智能体工具的费用另行计算。 OpenAI 同时扩大了实时语音选项，新增 Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta 和 Cinder 等声音，并计划在未来数月继续增加语音和语言支持。
