跳至主要內容
OpenAI

2026年9月10日

產品發布

使用 API 中的 GPT‑Live‑1 打造更自然的語音體驗

GPT‑Live‑1 將 ChatGPT 自然的全雙工對話帶到 API，讓你能更精準控制語音智慧體說話與行動的方式。

載入中…

我們在 API 中推出 GPT‑Live‑1，提供功能強大、對話自然的語音模型，讓開發者打造支援語音的應用程式和業務工作流程。GPT‑Live‑1 最初於 ChatGPT 推出，能同時聆聽與說話。如同我們在 Codex 與 「ChatGPT 工作」 中的示範⁠(在新視窗中開啟)，GPT‑Live‑1 也能將更深入的推理與動作執行委派給搭配使用的模型和工具。

針對 GPT‑Live‑1 的 API 版本，我們著重開發新功能，讓開發者能根據使用者需求、工作流程與目標，調整及自訂語音體驗。GPT‑Live‑1 的核心優勢之一，是能順暢應對插話，這已開始帶來商業效益。在早期評估中，Speak 發現，GPT‑Live‑1 讓學習者在語言導師回應前有更多時間思考，相較於先前的輪流對話系統，打斷學習者的次數減少了近 80%。

GPT‑Live‑1 在 API 中的主要優勢：

  • 插話處理：透過單一模型同時對輸入與輸出的音訊進行推理，更順暢地處理插話，避免串接式 STT-LLM-TTS 架構造成延遲，以及各環節銜接時容易出錯的問題。

  • 推理與工具呼叫委派：GPT‑Live‑1 可將推理與工具呼叫委派給 GPT‑6 Astra 等後端文字模型或第三方模型。

  • 語氣、節奏與風格：開發者可透過系統提示詞調整智慧體的語氣、節奏與對話風格。

  • 靜默情境管理與背景噪音：能更妥善處理背景噪音和沉默，不會打斷對話，也不會把每個步驟都說出來。

  • 長時間工作階段可靠性：提升長時間互動中的情境保留能力與對話品質。

  • 電話支援：可部署用於電話通話的全雙工語音智慧體，涵蓋餐廳訂位、客戶支援等情境。

Try GPT-Live-1

Start a session and speak naturally. Interrupt, laugh, change your mind - try it at home or in a loud space like a coffee shop or city street.
See what it can do
  • Talk over it—naturally. Ask for help, then interrupt mid-response to change the question or add detail.
  • Take it with you. Try a conversation while walking outside or with everyday background noise, and see how it stays with you.
  • Make it playful. Laugh, hesitate, use short acknowledgments, or briefly talk to someone nearby—then continue the conversation.

這組示範有時間限制。開始使用 Realtime 的示範內容即表示你同意 OpenAI 的《使用條款》並已知悉了我們的《隱私權政策》。

簡化語音智慧體架構並降低語音延遲

傳統語音智慧體會將語音轉文字、推理模型和文字轉語音串接起來。每次交接都會增加延遲，也更容易失去時機、情境或自然的對話節奏。開發者往往必須自行協調這些階段，包括有人打斷、停頓或改變話題時該如何處理。

GPT‑Live‑1 透過單一模型處理聆聽與說話，簡化語音層。模型能即時回應插話與附和，同時將更深入的推理委派給後端。因此，背景工作執行期間，對話仍可持續進行。

“相較於我們的串接式建置，GPT‑Live‑1 將程式碼庫簡化了 80%，並移除 2.3 萬行程式碼。因此，我們能與病患進行自然、即時的對話，團隊也能專注改善從預約看診到尋找照護服務的整體體驗。”
—Tony Stoyanov，共同創辦人暨技術長

開發者可選擇支援對話的模型、工具與智慧體任務執行框架。例如，可以將 GPT‑Live‑1 搭配 Luna 等模型，處理排程或訂單更新等大量任務；遇到需要推理的複雜客戶問題時，則使用 Astra 等模型。這種彈性讓開發者能針對每項任務調整推理深度、速度與成本。

GPT‑Live‑1 內建自動語音辨識 (ASR) 功能，可提供逐字稿與回應文字。模型也能準確理解字母與數字，並支援關鍵字偏置。雖然 GPT‑Live‑1 並非輪流對話模型，但內建對話輪次偵測功能，因此開發者仍可根據明確的輪次界線設計應用。

衡量全雙工優勢

在我們的各項評估中，GPT‑Live‑1 在 Full Duplex Bench 的表現比 GPT‑Realtime‑2.1 提升了 30 個百分點，對話輪替的延遲與互動行為也大幅改善。搭配採用中等推理強度的 GPT‑6 Astra 時，GPT‑Live‑1 也在 Tau3 排名第一。Tau3 用來衡量最先進的語音智慧體在端對端任務中的智慧能力。

評估航空、零售和電信領域的語音客服任務。Pass@1 衡量任務成功率；整體結果對各領域採用相同權重。


* GPT Live 後端：Astra（中等推理強度）。

評估結合知識檢索與帳戶工具的銀行語音客服。Pass@1 是 97 項 banking_knowledge 任務中成功完成的比例。


* GPT Live 後端：Astra（中等推理強度）。

評估停頓處理、對話輪替、插話，以及聆聽時的簡短回應。

測試模型對背景語音、使用者與他人的交談、聆聽者的簡短回應，以及插話的反應。

衡量使用者說完一輪話後，智慧體開始回覆的速度。

測試模型接到包含自然停頓、猶豫和自我修正的口語請求時，使用工具的表現。Pass@1 用來評估工具呼叫序列。


* GPT Live 後端：Terra（低推理強度）。

評估模型對需要使用工具的請求所做的口語回答；請求中包含停頓、猶豫和自我修正。根據回答符合參考意圖的程度評分。


* GPT Live 後端：Terra（低推理強度）。

客戶怎麼說

1 之 4
“將 GPT‑Live‑1 導入 Yelp Host 和 Hatch 後，對話輪替的流暢度與準確度都比原有的語音架構更好。Yelp Host 使用 GPT‑Live‑1 接聽訂位、點餐等來電時，我們發現來電處理率明顯提升。來電者也會說出更完整、更自然的句子，這讓我們知道，電話另一端的使用體驗確實不一樣了。”
—Alex Levy，技術長

全新語音選項

開發者需要契合產品、在使用者聽來自然的語音。透過 GPT‑Live‑1，我們將少量即時語音擴充為涵蓋更多口音、方言與語言的廣泛選擇，讓開發者能更自由地決定助理的聲音。

聆聽全新的語音

未來幾個月，我們將持續擴充語音選項與支援的語言。

定價與供應情況

GPT‑Live‑1 現已在 API 上推出⁠(在新視窗中開啟)，前端語音層的費用為每分鐘 0.05 美元。搭配適合你產品的後端模型與智慧體任務執行框架，就能打造可隨工作需求擴充的語音體驗。

將 GPT-Live-1 連接至 Codex

1
import { Codex } from "@openai/codex-sdk";
2

3
const thread = new Codex().startThread({
4
  workingDirectory: "./repo",
5
  sandboxMode: "read-only",
6
  approvalPolicy: "never",
7
});
8

9
async function answer(live, delegationId, context) {
10
  const { finalResponse } = await thread.run(
11
    `Answer the latest question using this repo.
12
     Reply in two short spoken sentences.\n${context}`
13
  );
14

15
  live.send({
16
    type: "session.commentary.append",
17
    delegation_id: delegationId,
18
    content: finalResponse,
19
  });
20
}

將 GPT-Live-1 連接至 Codex。這段程式碼示範應用程式如何將對話脈絡傳遞給 Codex，再將 Codex 的回答傳回 GPT-Live-1。連線設定與委派處理的部分已省略。

如要使用自訂語音，請聯絡銷售團隊，進一步瞭解資格條件與申請流程。

另一種運用 GPT‑Live‑1 打造語音工作流程的方式，是使用 OpenAI Presence，透過這個模型支援即時語音互動。Presence 可協助企業部署值得信賴的 AI 智慧體，回答問題、解決困難、使用公司系統、執行經核准的動作，並在需要時轉交真人處理。如需進一步瞭解，請聯絡你的 OpenAI 客戶總監。

作者

OpenAI

繼續閱讀

檢視全部
Helping teens learn, plan, and shape the future of AI — Cover
協助青少年學習、規劃，並塑造 AI 的未來

產品

讓人人都能使用 GPT-6 與智慧介面

產品

Building advertising for the way people use AI — Cover
打造貼近人們 AI 使用方式的廣告

產品