OpenAI开放GPT-Live-1.1语音API 支持实时双向对话
11月20日,据报道,OpenAI宣布向开发者开放GPT-Live-1.1 API语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的AI语音智能体。GPT-Live-1.1是GPT-Live-1的升级版本,具备全双工语音交互能力,可以同时聆听和说话,不必等用户说完一整句才开始处理,还能识别说话过程中的停顿、打断和语速变化。该模型自2026年10月15日起已成为ChatGPT Plus及更高级别订阅用户的默认语音模型,此次API开放则进一步将能力提供给第三方开发者。
GPT-Live-1.1改进了多语言语音处理、指令遵循能力和语音保真度,能更可靠地处理字母、数字等需要精确识别的信息;同时支持将需要深度推理或工具调用的任务委托给开发者选择的后端模型,语音对话在进行中仍可继续。GPT-Live系列采用全双工架构,直接处理输入输出音频,减少传统语音系统中语音识别、大语言模型和语音合成串联产生的延迟。