OpenAI 推出 GPT‑Live‑1 API 全雙工語音模型

OpenAI 的 API 公告實際發布於 2026 年 9 月 10 日，不是 9 月 11 日。該公司宣布將 GPT‑Live‑1 以正式可用（generally available）的方式納入 API，定位為可讓語音代理更接近自然交談的「全雙工」語音層。3

核心差異：不再是逐段接力式語音流程

傳統語音代理多採串接式架構：先將語音轉成文字（speech-to-text，STT），交給語言／推理模型產生文字回覆，再以文字轉語音（text-to-speech，TTS）念出來。每次元件交接都可能增加延遲，也較容易失去說話時機、上下文線索與自然對話的節奏。3

GPT‑Live‑1 則把聆聽與說話整合到同一個語音模型中。它可以一邊聽使用者說話、一邊說話，而非把對話切成明確、輪流完成的回合。3

這項設計帶來的重點包括：

• 能在插話或簡短附和發生的當下作出反應，而不是等使用者完整講完才重新開始處理。3
• 較複雜的推理、查詢或工具操作，可在背景交給配對的後端模型處理。3
• 開發者可選擇 OpenAI 後端模型，例如 GPT‑6 Astra，也可接入第三方模型，依需求權衡推理能力、速度與成本。3

開發者可控制的項目

OpenAI 指出，GPT‑Live‑1 提供系統提示詞（system prompt）控制，可調整語氣、說話速度與對話風格。官方也列出電話部署、背景雜音與靜音處理、長時間連線穩定性、逐字稿與回覆文字、英數字辨識，以及關鍵字偏置（keyword biasing）等功能或支援方向。3

API 定價：語音層每分鐘 0.05 美元，其他用量另計

GPT‑Live‑1 語音連線的價格為 每分鐘 0.05 美元，並採按秒計費，不會直接進位到完整分鐘。2

不過，這個價格只涵蓋語音層；後端模型的推理用量及工具使用費，仍會另外計算。因此，一次語音互動的總成本，會是 GPT‑Live‑1 語音費加上所選後端模型與工具的費用。2

現有資料不足以證實所謂受管理的「Presence」企業存取細節，也不足以支持「新增或擴充特定口音、方言與語言」的具體說法。

OpenAI 公布的效能比較

OpenAI 表示，在 Full Duplex Bench 評測中，GPT‑Live‑1 相較 GPT‑Realtime‑2.1 提升 30 個百分點；而 GPT‑Live‑1 搭配 GPT‑6 Astra、使用中等推理強度時，在 Tau3 排名第一。3

但提供的來源並未獨立列出 1.41 秒對 0.798 秒的延遲數字，也未列出 Tau3 的 86.2% 與 45.7% 通過率。因此，這些精確數值目前不能視為已由所提供證據驗證。

早期採用者的回饋

OpenAI 引述 Yelp 表示，將 GPT‑Live‑1 導入 Yelp Host 與 Hatch 後，相較原有語音架構，對話輪替與準確性都有改善；在訂位與餐點訂購來電情境中，接聽處理率明顯提升，來電者也更常以完整、自然的句子表達需求。3

語言學習服務 Speak 則表示，模型能讓學習者在導師回覆前保有更多思考時間，與過去逐回合系統相比，插話情況減少近 80%。3

另有一家醫療保健公司的共同創辦人兼技術長指出，以 GPT‑Live‑1 取代串接式實作後，程式碼庫簡化約 80%，刪除了 23,000 行程式碼，並使即時病患對話更自然。3