OpenAI 發布 GPT-Live-1 語音模型至 API，主打「全雙工」與「自然打斷」能力
為何重要
GPT-Live-1 的推出標誌著 OpenAI 正試圖從通用模型中抽離出針對「語音互動」的最優解，解決了後端 LLM 處理高頻率、非結構化語音輸入時的同步性與延遲痛點。對產業開發者而言，這意味著構建高品質語音 Agent 的門檻降低，特別是在處理「說話中被打斷」等複雜語境時，不再需要外包開發龐大的自訂通訊協議。對競爭者來看，OpenAI 正在利用裸機級的語音 API 呼喚能力與極具誘惑力的價格，重塑語音 AI 的基礎設施層生態。
OpenAI 於 API 推出 GPT-Live-1，此源自 ChatGPT 的語音模型旨在透過單一模型處理連續的聆聽與發聲，並支援將複雜推理任務委派給後端大語言模型（如 GPT-6 Astra）。
- 架構最佳化：原生整合 ASR（語音轉文字）與 TTS（文字轉語音）邏輯，具備原生打斷處理能力，避免了傳統串接 STT-LLM-TTS 架構的延遲與手續中斷。
- 效能指標：相比 GPT-Realtime-2.1，在 Full Duplex Bench 效能上提升 30 個百分點，且搭配 GPT-6 Astra 時在 Tau3 測評中排名第一。
- 實務應用：在 Speak 的企業評估中，該模型減少了語言 tutor 互動中的中斷次數約 80%，能更自然地應對背景噪音。
- 定價策略：前聲道語音層定價為每分鐘 $0.05，專注於連線使用者與後端推理模型的橋樑層。