OpenAI开放GPT-Live-1.1 API:全双工语音交互 复杂任务可委托后端模型且对话不中断

🤖 由 文心大模型 生成的文章摘要

OpenAI宣布向开发者开放GPT-Live-1.1 API语音模型,第三方开发者可将其集成到自有应用中,构建能实时聆听、回应并执行复杂任务的AI语音智能体。

据OpenAI介绍,GPT-Live-1.1是GPT-Live-1的升级版,具备全双工语音交互能力,可同时聆听与说话,无需等待用户把一句话说完就开始处理;它能识别说话过程中的停顿、打断和语速变化,实时判断应继续聆听还是作出回应。该模型自2026年10月15日起已是ChatGPT Plus及更高级别订阅用户的默认语音模型,此次API开放则把相关能力进一步提供给第三方开发者。

OpenAI表示,GPT-Live-1.1在多语言语音处理、指令遵循能力和语音保真度上有所改进,能更可靠地处理字母、数字等需要精确识别的信息,减少语音交互中的理解偏差。

该模型支持把需要更深推理或工具调用的任务委托给开发者选定的后端模型——既可用OpenAI自家模型,也可接入第三方模型。后端模型处理复杂任务期间,语音对话仍可继续,无需中断当前交互。这意味着开发者能把实时语音交互与后端模型的推理、工具调用能力结合,让语音智能体在回答问题的同时处理多步骤工作流。

根据OpenAI官方API文档,GPT-Live系列采用全双工架构,可直接处理输入和输出音频,减少传统语音系统中语音识别(STT)、大语言模型(LLM)与语音合成(TTS)串联所产生的延迟。OpenAI已提供GPT-Live-1.1 API的技术文档及接入指南,开发者可通过OpenAI开发者平台了解模型能力、配置方式与具体用法。