GPT‑Live‑1 登陸 API：OpenAI 想令語音代理唔再「一問一答」

OpenAI 的 API 發布公告日期其實係 2026 年 9 月 10 日，唔係 9 月 11 日。公司當日宣布在 API 推出已正式可用的 GPT‑Live‑1：一個全雙工（full-duplex）語音層，目標係令語音代理的對話更接近真人——可以一邊聽、一邊講，而唔係將交流切成一輪輪「你講完、我先答」的回合。3

同傳統語音代理有咩分別？

傳統語音代理一般會串連三個步驟：語音轉文字（speech-to-text）、語言／推理模型、文字轉語音（text-to-speech）。每一次轉交都會增加延遲，亦可能令語氣、時間節奏及對話脈絡流失。GPT‑Live‑1 則把聆聽和說話整合在同一個語音模型內。3

實際效果係，系統可以在說話期間繼續聽用戶反應，較自然地處理插嘴、附和或改口；與此同時，需要較深入推理或使用工具的工作，則可交由配對的後端處理。3

開發者可選用 OpenAI 後端模型，例如 GPT‑6 Astra，亦可接駁第三方模型，按個別工作取捨推理能力、速度和成本。3

面向開發者的功能

OpenAI 強調，GPT‑Live‑1 提供 system prompt 控制，讓開發者調整說話語氣、節奏及對話風格。其餘重點包括電話系統部署、背景雜音及靜音處理、較長 session 的穩定性、逐字稿及回應文字輸出、英數字元辨識，以及關鍵字偏向設定。3

收費點計？

GPT‑Live‑1 的語音 session 收費為 每分鐘 0.05 美元，按秒計費，不會每次通話都向上湊整至完整一分鐘。2

不過，呢個價錢只涵蓋語音層；後端模型的用量和工具調用會另外收費。因此，實際成本會是語音 session 費用，加上所選模型及工具的使用費。2

現有資料未足以證實所謂受管「Presence」企業存取安排，亦未能支持關於新增口音、方言及語言覆蓋的具體說法。

OpenAI 公布的表現數據與早期用家回饋

OpenAI 表示，GPT‑Live‑1 在 Full Duplex Bench 較 GPT‑Realtime‑2.1 高出 30 個百分點；配合 GPT‑6 Astra、使用中等推理力度時，則在 Tau3 排名第一。3

至於曾流傳的 1.41 秒對 0.798 秒延遲，以及 Tau3 86.2% 對 45.7% 通過率等確切數字，所提供資料並無獨立展示，故不宜視為已核實數據。

早期採用者方面，Yelp 表示，將 GPT‑Live‑1 整合至 Yelp Host 和 Hatch 後，輪流說話的表現及準確度較舊有語音架構有所改善；在訂位及食物訂購來電中，來電處理率有明顯進步，用戶亦較常以完整、自然的句子說明需要。3

語言學習平台 Speak 表示，相較舊有按回合運作的系統，GPT‑Live‑1 令學習者有更多時間思考才收到導師回應，打斷情況減少近八成。3

另有一家醫療公司的聯合創辦人兼 CTO 指，改用 GPT‑Live‑1 取代串接式架構後，程式碼庫簡化了八成、刪除 23,000 行程式碼，亦有助提供更自然的即時病人對話。3