GPT-Live-1：OpenAI 把「能邊聽邊說」的語音代理帶進 API

語音代理最常見的挫折，往往不是「聽不懂」，而是「不會聊天」：使用者還在想，系統就搶著接話；使用者只說一聲「嗯」，系統卻把它當成新問題。OpenAI 推出的 GPT-Live-1，瞄準的正是這類互動節奏問題。

GPT-Live-1 是提供給開發者的全雙工（full-duplex）語音模型，2026 年 9 月 10 日在 API 開放使用。前端語音層的價格為每分鐘 0.05 美元；連接於後方的推理模型、工具呼叫、電話系統與其他基礎設施，則需另外計費。35

全雙工，差別不只是反應快

傳統語音代理通常是串接式流程：先由語音轉文字（STT）辨識說話內容，再交給語言模型產生文字回答，最後透過文字轉語音（TTS）念出來。這種架構可行，但每一段交接都要自行協調停頓、改口、插話與說話時機。3

GPT-Live-1 的定位則是單一語音模型，同時處理輸入與輸出的音訊。它能在說話時繼續聆聽，因而可對使用者插話或簡短附和做出較自然的反應，而不是把每段聲音、沉默或旁人的談話都判定為必須重新開始的一輪對話。3

這對電話客服、訂位、預約等情境尤其重要。使用者可能會猶豫、自我修正，或在系統說話途中插入一句補充；好的體驗不是一味快速回答，而是能判斷對方是否真的講完。OpenAI 將 GPT-Live-1 定位為主打自然、富表情，且能順暢處理插話的語音對話模型。23

即時對話交給 GPT-Live-1，複雜推理交給後端

GPT-Live-1 不必獨自處理所有商業邏輯。開發團隊可讓它維持即時語音互動，再將深度推理、工具呼叫或實際操作委派給另一個後端模型與代理框架。3

這代表團隊可以依任務分流：

• 訂位、查詢訂單等例行工作，可使用速度較快、成本較低的後端模型；
• 複雜問題可升級交由 GPT-6 Astra 等能力更強的模型處理；
• 若既有技術堆疊更合適，也可串接支援的第三方後端模型。3

換言之，GPT-Live-1 管理「怎麼自然地說話與聽話」，後端則提供「怎麼推理、查資料與採取行動」。因此，每分鐘 0.05 美元不是整個語音代理的全部成本；後端推理、工具與電信服務都可能增加總支出。35

API 提供哪些控制與部署能力？

OpenAI 表示，開發者可透過系統提示詞設定語氣、語速與對話風格。GPT-Live-1 也能提供逐字稿與回覆文字，支援英數字串辨識、關鍵字偏向（keyword biasing），並提供輪次偵測功能，供仍需要明確對話邊界的產品使用。3

模型設計目標包含長時間工作階段與電話型代理，適用於客服、餐廳訂位等流程。OpenAI 指出，它能處理沉默與背景噪音，而不會把每個內部判斷都說出口。3

不過，現有資料並未列出確定的支援語言清單，也沒有充分說明開發者對特定口音或方言可使用哪些細部控制。若這些項目是上線門檻，仍應以最新 API 文件為準。

OpenAI 公布的測試表現，該怎麼看？

OpenAI 表示，GPT-Live-1 在評估輪替說話、停頓、插話、附和與背景語音等互動行為的 Full Duplex Bench 上，比 GPT-Realtime-2.1 提升 30 個百分點。3

若搭配 GPT-6 Astra，並設定為中等推理強度，OpenAI 也表示該組合在 Tau3 拿下第一。Tau3 是端到端語音代理基準測試，其客服項目涵蓋航空、零售與電信業的語音任務。3

部分二手報導列出精確的輪替延遲與 Tau3 分數，但目前提供的 OpenAI 一手資料摘錄沒有這些具體數字。因此，較審慎的結論是：OpenAI 宣稱其互動行為有顯著改善，且 GPT-Live-1 搭配 Astra 的組合取得 Tau3 領先成績；實際部署不應直接預設能複製特定基準分數。37

Yelp、Speak 如何使用？

OpenAI 列出幾個早期導入案例：

• Yelp：在 Yelp Host 用於接聽餐廳來電，包括訂位與餐點訂購。Yelp 表示，相較先前的傳統語音架構，系統的輪替說話與準確度有所改善，接聽處理率提高，來電者的回應也更完整。3
• Speak：將模型用於語言學習導師。OpenAI 表示，學習者可有更長的思考時間；相較 Speak 先前的輪流式系統，被打斷的情況減少近 80%。34
• 未具名醫療公司：該公司表示，從串接式架構轉換後，程式碼庫縮減 80%、移除 23,000 行程式碼，支援從預約到照護導航的即時病患對話。這是該公司自行陳述的成果，並非獨立稽核結果。3

這些案例的共同點是：使用者不會完全依照「你講完、我再講」的理想輪次互動。全雙工的價值，就在於系統能承受這些自然但凌亂的對話細節。

價格之外，還要算總成本

GPT-Live-1 的前端語音層費率是每分鐘 0.05 美元。開發者可自由選擇後端模型與代理框架，但這些選擇會影響整體營運成本，因為它們不包含在語音層費率內。35

OpenAI 也提到，可透過 OpenAI Presence 建立以 GPT-Live-1 驅動即時語音互動的工作流程。不過，現有資料未交代 Presence 的企業適用資格、商業條款、託管方式或存取流程，不能僅依 API 公告推定其細節。3

對評估導入的團隊而言，真正的問題不只是「每分鐘多少錢」，而是更順暢的交談能否提升完成率、降低轉人工比例或改善客戶體驗；接著再選擇能在可靠性、延遲與成本之間取得平衡的後端模型與工具路徑。