在目前的 AI 语音交互中，传统的级联式架构常常因为语音转文字、模型推理以及文字转语音等步骤的串联而产生明显延迟。为了彻底解决这一痛点，OpenAI 近日正式在 API 中推出了全新的全双工语音模型 GPT-Live-1，将类人般的流畅语音交互体验直接带给广大开发者。
传统语音智能体在应对复杂的对话场景时，往往容易在停顿、打断或转换话题时显得非常脆弱。而 GPT-Live-1采用单一模型同时处理输入与输出音频，在架构设计上实现了颠覆性的简化。它不仅支持即时响应打断，还能将深层推理以及工具调用无缝委派给后端的文本模型，让对话在后台持续进行的同时保持高度的灵活性。
在实际性能表现和应用场景上，该模型带来了多项核心优势。首先是卓越的中断处理能力，在早期测试中，语言学习平台 Speak 发现它将思考停顿期间的中断减少了近80%。其次，开发者可以通过系统提示词来定制智能体的语气、节奏与对话风格，并能完美处理背景噪声和静默上下文，非常适合用于电话客服、餐饮预订以及长会话交互。在基准测试中，其搭配中等推理强度的 GPT-6Astra 后表现名列前茅。
目前，GPT-Live-1已在 API 中全面可用，前端语音层的定价为每分钟0.05美元。多位行业合作伙伴如 Yelp、Intercom 等均表示，该模型大幅提升了轮次切换的准确性，让 AI 语音支持真正走出了走走停停的节奏，实现了如真人面对面般自然流畅的全新体验。
