OpenAI 發表新一代語音模型 GPT-Live-1，並開放透過 API 存取。這款模型主打「全雙工」（full-duplex）語音對話能力，讓 AI 代理能夠一邊聆聽、一邊即時回應，自然處理使用者插話與打斷，同時把過去需要「語音轉文字、文字丟給大型語言模型、再把文字轉回語音」的三段式架構，濃縮成單一模型直接處理語音輸入與輸出，大幅降低語音助理的延遲與工程複雜度。
單一模型搞定聽與說，應答自然度大幅提升
GPT-Live-1 的核心賣點，是用單一模型同時處理語音輸入與輸出的推理，取代過去業界常見的「語音辨識＋語言模型＋語音合成」三段式串接架構。官方公告指出，這樣的設計不只降低了延遲，也讓模型能更自然地處理使用者中途插話、臨時改變話題等真實對話中常見的狀況，並且改善了背景噪音下的辨識穩定度，以及長時間通話中維持上下文語境的能力。對於需要接電話、進行語音客服等場景的企業客戶而言，這代表可以直接部署全雙工語音代理，而不必自行拼接多套語音服務。
官方公告引用語言學習平台 Speak 的評估結果，指出改用 GPT-Live-1 後，使用者在學習過程中被系統誤判打斷的情況減少了近 80%；另一項第三方 Tau3 語音代理評測則將 GPT-Live-1 列為全雙工語音代理類別的第一名，OpenAI 也提到相較前一代 GPT-Realtime-2.1，整體表現提升了 30 個百分點，不過這項百分比的具體衡量指標，官方公告並未進一步說明。
可將複雜推理「委派」給 GPT-6 Astra 等後端模型
除了處理語音本身，GPT-Live-1 也支援將較複雜的推理任務即時轉交給後端的大型語言模型處理，例如 OpenAI 稍早發布的 GPT-6 Astra，讓語音層專注在自然對話與低延遲反應，複雜的邏輯判斷則交給運算能力更強的模型負責，開發者可以依應用需求自由搭配後端模型選項。官方公告也提到，一家客戶在導入 GPT-Live-1 後，將原本自行維護的語音處理程式碼庫精簡了約 80%，一口氣移除了兩萬三千行程式碼，反映出整合式架構在工程維運成本上的實際效益。
訂餐、客服、語言學習到銀行服務都在測試名單中
OpenAI 在公告中列出多個已經導入或測試 GPT-Live-1 的應用場景，包括餐廳訂位、客戶支援、語言學習陪練、醫療預約與看診導航、訂單狀態查詢，以及銀行業務服務等。點評平台 Yelp 表示，導入後電話應答的接通率與對話自然度都有所改善；客服平台 Fin 則提到語音支援的流暢度提升；AI 協作工具業者 Cognition 也指出這項技術改善了與 AI 協作時的整體體驗。這些引用同樣出自 OpenAI 自家公告，實際大規模上線後的效果，仍有待更多獨立第三方使用回饋進一步驗證。
語音層每分鐘 0.05 美元，可搭配多種語調與聲音風格
在定價方面，OpenAI 公告的 GPT-Live-1 語音前端費率為每分鐘 0.05 美元，開發者可依應用需求另外選擇搭配的後端推理模型，兩者費用分開計算。模型本身內建多種聲音選項，如 Quartz、Ripple、Vesper 等，並支援調整語調、語速與整體對話風格；如果企業需要打造專屬的客製化聲音，官方表示需要另外聯繫業務團隊洽談。此外，GPT-Live-1 也可與 OpenAI 面向企業的 Presence 平台整合，方便企業將全雙工語音代理串接進既有的客服或商務流程當中。
