GPT‑Live‑1：OpenAI 全雙工語音 API 有咩特別？

OpenAI 嘅 GPT‑Live‑1 係畀開發者接入 API 嘅即時語音模型，主打「全雙工」（full duplex）對話：系統唔使等用戶完全講完先開始反應，亦可以喺自己講緊嘢時繼續聽。佢喺 2026 年 9 月 10 日推出 API，前端語音層定價為每分鐘 0.05 美元；不過，後端推理模型、工具調用、電話系統及其他基建都會另計。 35

對做電話客服、訂位、預約或者語言學習產品嘅團隊而言，最大賣點未必純粹係「快」，而係系統可唔可以判斷用戶仲諗緊、只係講句「嗯」、定係真係想打斷回答。

「全雙工」同傳統語音流程有咩分別？

好多語音代理會用串接式流程：先由語音轉文字（speech-to-text）聽寫，再由文字模型生成答案，最後由文字轉語音（text-to-speech）讀出。呢種設計可以有效運作，但每一層都要交接；停頓、轉口風、插嘴同所謂「搶話」處理，都要由應用程式協調。 3

GPT‑Live‑1 則被定位為單一語音模型，會處理輸入同輸出嘅音訊。全雙工設計令佢可以一邊生成語音、一邊繼續聽，目標係更恰當地回應打斷或簡短附和，而唔會將每一下聲音、沉默或旁邊嘅談話，都誤判成必須即刻另開一輪回答。 3

換句話講，重點係對話節奏控制：

• 用戶停一停，可能只係組織緊答案，而唔係講完；
• 用戶講句「係呀」可能只係表示聽到，唔一定係要系統轉話題；
• 用戶中途插嘴，系統應該可以改變回應，而唔係硬講到底。

OpenAI 將 GPT‑Live‑1 列為用於自然、表達力較強語音對話嘅主打模型，並強調順暢處理打斷嘅能力。 23

語音由 GPT‑Live‑1 管，深度推理由後端接手

GPT‑Live‑1 唔代表要自己處理所有商業邏輯。佢可以維持即時語音互動，同時將較深入嘅推理、工具調用或實際操作，委派畀開發者揀選嘅後端模型同 agent 架構。 3

實際上，團隊可以按工作難度分流：

• 查訂單、約時間等例行工作，可用較快、成本較低嘅後端；
• 較複雜嘅問題，可升級交畀例如 GPT‑6 Astra 嘅較強推理模型；
• 如現有技術棧較合適，亦可接入受支援嘅第三方後端模型。 3

因此，整套系統可理解成兩部分：GPT‑Live‑1 負責「同人傾得自然」，後端負責推理、讀取公司資料同執行動作。要留意嘅係，每分鐘 0.05 美元並唔係完整語音代理嘅總成本；後端模型、工具、電訊服務等都可能增加開支。 35

API 提供咩控制與部署選項？

OpenAI 表示，開發者可透過 system prompt 引導模型嘅語氣、語速同對話風格。GPT‑Live‑1 亦會提供逐字稿同回應文字，支援英數字理解、關鍵字偏向（keyword biasing），並提供 turn detection，畀仍然需要明確劃分輪次嘅產品使用。 3

模型目標場景包括長時間對話同電話代理，例如客戶服務、訂座及預約流程。OpenAI 表示，佢可處理沉默同背景噪音，而唔會將每一步內部處理都講出口，較適合真實電話環境。 3

至於支援語言清單、指定口音或方言嘅細緻控制，現有資料未有提供權威而完整嘅規格。團隊如果有粵語、繁簡轉換、特定口音或跨語言部署要求，應先查核最新 API 文件同自行測試，唔好只憑發布介紹作部署假設。

OpenAI 公布咗咩評測表現？

OpenAI 表示，GPT‑Live‑1 喺 Full Duplex Bench 比 GPT‑Realtime‑2.1 高 30 個百分點。呢項評測聚焦互動式語音行為，例如輪流講嘢、停頓、打斷、附和語（backchannel）同背景說話。 3

另外，當 GPT‑Live‑1 配搭 GPT‑6 Astra、並設定為中等推理強度時，OpenAI 表示該組合喺端到端語音代理評測 Tau3 排名第一。Tau3 嘅客戶服務部分涵蓋航空、零售及電訊類嘅口語任務。 3

有二手報道列出精確嘅輪替延遲同 Tau3 分數，但現時提供嘅 OpenAI 一手資料未載有呢啲精確數字。較穩妥嘅解讀係：OpenAI 報告咗明顯嘅互動表現進步，同埋 GPT‑Live‑1 加 Astra 組合嘅 Tau3 第一名結果；呢啲並唔代表每個實際部署都必然做到同一分數。 37

Yelp、Speak 等早期用家點樣用？

OpenAI 提及幾個早期案例：

• Yelp：喺 Yelp Host 處理餐廳來電，包括訂位同落單。Yelp 表示，相比原有傳統語音架構，新系統改善咗輪流對話表現同準確度，來電處理率更好，客人回應亦更完整。 3
• Speak：將模型用喺語言學習導師。OpenAI 表示，學習者有更多時間組織答案；與 Speak 原本按輪次運作嘅系統相比，打斷情況少咗接近 80%。 34
• 未具名醫療公司：該公司表示，棄用串接式架構後，程式碼庫縮減 80%、減少 23,000 行程式碼，並支援由預約到醫療導航嘅較自然即時病人對話。呢個屬公司自行報告成果，並非獨立審計結果。 3

呢啲個案反映，全雙工最有價值嘅情況，通常係用戶會猶豫、自我修正、講到一半附和，或者想插嘴但唔想由頭再講一次嘅場景。

收費：0.05 美元／分鐘只係起點

GPT‑Live‑1 前端語音層收費為每分鐘 0.05 美元。開發者可以自選後端模型同 agent 架構，但後端推理、工具使用及相關服務會獨立計費。 35

OpenAI 亦提到可透過 OpenAI Presence，以 GPT‑Live‑1 建立即時語音工作流程。不過，現有資料未說明 Presence 嘅企業資格、商業條款、託管方式或取得途徑，唔應單憑 API 公告就假定相關安排。 3

對評估團隊嚟講，真正要問嘅唔係只得「每分鐘幾錢」，而係：更自然嘅輪替與少啲誤打斷，喺自己嘅客服、銷售或預約流程值幾多；再配合邊個後端模型同工具路徑，先可以喺可靠性同總成本之間取得平衡。