OpenAI Lancar API GPT-Live-1 untuk Ejen Suara Full-Duplex

OpenAI mengumumkan ketersediaan umum GPT-Live-1 dalam API pada 10 September 2026, bukannya 11 September. Pelancaran ini memberi pembangun lapisan suara untuk membina ejen yang boleh mendengar dan bercakap pada masa yang sama, tanpa menjadikan perbualan sebagai siri giliran yang kaku dan perlu dihabiskan satu demi satu. 116

Apa yang berubah dengan full-duplex

Banyak ejen suara dibina melalui rantaian tiga langkah: audio ditukar kepada teks menerusi speech-to-text, model bahasa menjana jawapan, kemudian text-to-speech menukarkannya semula kepada audio. GPT-Live-1 diposisikan sebagai lapisan suara bersepadu untuk bahagian perbualan masa nyata itu. 1

Perbezaan utamanya ialah pengurusan giliran bercakap. Menurut OpenAI, GPT-Live-1 boleh mendengar dan bertutur secara serentak, mengikuti jeda dan perubahan tempo, serta menentukan sama ada ia patut menjawab atau terus mendengar. Ini bertujuan menjadikan gangguan dan pengakuan ringkas—seperti “ya” atau “faham”—lebih menyerupai perbualan biasa, bukan dianggap kesilapan sistem. 1915

Namun, model suara ini tidak perlu menyiapkan semua tugasan sendiri. Perbualan melalui GPT-Live-1 boleh diteruskan sementara model atau ejen backend melakukan penaakulan lebih mendalam atau menggunakan alat. OpenAI menyokong Responses delegation dengan model OpenAI dan client delegation untuk backend pembangun sendiri, membolehkan pasukan memilih sistem penaakulan di sebalik pengalaman suara tersebut. 116

Pembahagian tugas antara suara dan backend

GPT-Live-1 berfungsi sebagai lapisan suara yang berinteraksi terus dengan pengguna: mendengar, bercakap dan mengurus masa perbualan. Backend pula boleh mengendalikan tugas seperti penaakulan yang lebih rumit, carian maklumat, pelaksanaan aliran kerja, pengambilan data atau panggilan alat.

Dalam nota produk OpenAI sendiri, GPT-6 Astra disebut sebagai pilihan bagi tugas carian dan penaakulan yang lebih sukar. Pembangun API juga boleh menyambungkan backend mereka sendiri melalui client delegation. 416

Bagi pembina produk, seni bina ini membawa maksud berikut:

• GPT-Live-1 mengurus perbualan langsung—mendengar, bertutur dan masa respons.
• Model atau ejen backend mengendalikan keputusan yang kompleks serta penggunaan alat.
• Kos dan tingkah laku ejen keseluruhan bergantung pada kedua-dua lapisan, bukan model suara semata-mata. 1618

OpenAI turut menonjolkan pematuhan arahan yang lebih baik, suara tersuai dan sokongan telefoni dalam pelancaran API ini. 13

Harga: AS$0.05 seminit untuk suara, ditambah kos backend

Sesi suara GPT-Live-1 berharga AS$0.05 seminit. Pengebilan dikira mengikut saat, tanpa pembundaran ke minit penuh yang seterusnya. 1618

Kadar itu ialah harga sesi suara sahaja, dan bukan semestinya kos penuh sesebuah ejen suara. Penggunaan model backend dan alat dicaj secara berasingan. Justeru, bajet penggunaan sebenar perlu mengambil kira tempoh perbualan serta kerja penaakulan atau tindakan yang diserahkan kepada backend. 1618

Dakwaan prestasi: perkara yang disokong oleh sumber

OpenAI melaporkan GPT-Live-1 meningkat sebanyak 30 mata peratusan dalam penanda aras Full Duplex Bench berbanding GPT-Realtime-2.1. OpenAI juga menyatakan gabungan GPT-Live-1 dengan GPT-6 Astra pada tahap usaha penaakulan sederhana menduduki tempat pertama pada Tau3. 1

Bagaimanapun, bahan sumber yang dibekalkan tidak mengesahkan secara bebas angka khusus tentang latensi pengambilan giliran atau perbandingan tepat kadar lulus Tau3 yang disebut dalam soalan asal. Oleh itu, angka terperinci tersebut tidak wajar dianggap telah disahkan di sini.

Laporan pengguna awal

OpenAI membentangkan beberapa pelaksanaan awal sebagai contoh manfaat pengambilan giliran yang lebih semula jadi:

• Yelp melaporkan pengambilan giliran dan ketepatan yang lebih baik selepas GPT-Live-1 disepadukan ke dalam Yelp Host dan Hatch. Bagi panggilan tempahan serta pesanan makanan, Yelp menyatakan pemanggil menggunakan ujaran yang lebih lengkap dan lebih semula jadi, manakala pengendalian panggilan bertambah baik. 1
• Speak melaporkan pelajar dapat mengambil masa lebih lama untuk berfikir sebelum tutor menjawab, sekali gus mengurangkan gangguan hampir 80% berbanding sistem berasaskan giliran yang terdahulu. 1
• Sebuah syarikat penjagaan kesihatan menyatakan perpindahan daripada pelaksanaan berantai atau cascaded memudahkan pangkalan kodnya sebanyak 80% dan menghapuskan 23,000 baris kod, sambil menyokong perbualan pesakit masa nyata yang lebih semula jadi. 1

Ini ialah hasil yang dilaporkan oleh syarikat berkenaan, bukannya penilaian bebas. Ia lebih sesuai dibaca sebagai contoh pelaksanaan, bukan jaminan prestasi untuk semua penggunaan.

Perkara yang belum disahkan

Bukti yang tersedia tidak mengesahkan dakwaan mengenai akses perusahaan melalui produk terurus bernama “Presence”. Ia juga tidak menetapkan pengembangan khusus bagi aksen, dialek atau bahasa untuk pelancaran API ini. Butiran sedemikian wajar disemak terus dalam dokumentasi OpenAI terkini sebelum digunakan untuk keputusan perolehan atau pelaksanaan.

Kesimpulan

Perubahan utama GPT-Live-1 ialah pada seni binanya: ia membawa lapisan suara perbualan full-duplex ke API, supaya ejen boleh terus mendengar dan bercakap secara lebih natural ketika sistem lain menjalankan penaakulan yang lebih perlahan atau memanggil alat. Pada harga AS$0.05 seminit untuk lapisan suara, yang dicaj mengikut saat, kos masa suara lebih mudah dianggarkan—tetapi kos keseluruhan tetap bergantung pada model backend dan alat yang dipilih. 11618