GPT-Live-1 登上 API：語音代理可一邊聽、一邊說

OpenAI 於 2026 年 9 月 10 日宣布 GPT-Live-1 在 API 中正式全面推出，並非 9 月 11 日。這項服務讓開發者可建立能「一邊聽、一邊說」的語音代理，不再把對話硬切成一句說完、另一方才回應的回合制流程。116

全雙工語音，差別在哪裡？

傳統語音代理通常由三段式管線組成：先以語音轉文字（speech-to-text）辨識來電者說話，再由語言模型產生答案，最後以文字轉語音（text-to-speech）念出回覆。GPT-Live-1 的定位，是將即時對話所需的語音互動整合成一個前端語音層。1

關鍵在於「誰先說、何時接話」。OpenAI 表示，GPT-Live-1 可同時聆聽與說話，辨識停頓與語速改變，並即時判斷該回覆還是繼續聽。使用者插話，或只是發出「嗯」、「了解」等簡短附和聲（backchannel），理論上不必再被當成對話中斷或辨識錯誤。1915

不過，語音模型不需要包辦所有工作。GPT-Live-1 可在對話持續進行時，將較深入的推理、動作或工具使用交由後端模型或代理處理。開發者可以透過 Responses delegation 使用 OpenAI 模型，也能以 client delegation 串接自己的後端服務。116

前端負責對話，後端負責推理與工具

可把 GPT-Live-1 視為即時語音互動的前台：負責聽、說與掌握談話節奏。後端則可處理較費時或複雜的事項，例如深入推理、資料擷取、工作流程執行與工具呼叫。

OpenAI 的產品說明中提到，面對較困難的搜尋或推理任務時，可使用 GPT-6 Astra；而 API 開發者也可以透過 client delegation 接上自有後端。416

對產品團隊而言，這代表成本與行為要分兩層看：

• GPT-Live-1：處理即時語音對話，包括聆聽、說話與接話時機。
• 後端模型或代理：處理複雜決策、資料查詢與工具操作。
• 整體成本：取決於語音時長，也取決於被委派的模型和工具用量。1618

OpenAI 也強調，這次 API 版本加入更強的指令遵循能力、自訂語音與電話系統支援。13

定價：語音每分鐘 0.05 美元，後端另計

GPT-Live-1 的語音工作階段費用為 每分鐘 0.05 美元，採按秒計費，不會直接進位到下一整分鐘。1618

但這不是一個完整語音代理的全部成本。後端模型推理及工具使用均另外收費，因此實際預算應同時估算通話時長，以及後端被委派工作的頻率與規模。1618

OpenAI 公布了哪些效能說法？

OpenAI 表示，GPT-Live-1 在其 Full Duplex Bench 評測中，比 GPT-Realtime-2.1 提升 30 個百分點；GPT-Live-1 搭配設定為中等推理強度的 GPT-6 Astra，則在 Tau3 排名第一。1

不過，現有來源材料並未獨立佐證原始提問中的特定接話延遲數字，以及 Tau3 的精確通過率比較。因此，這些細部數據不宜在本文視為已獲驗證的事實。

早期導入者怎麼說？

OpenAI 列舉數個已進入實際部署的案例，作為更自然接話體驗的佐證：

• Yelp 表示，將 GPT-Live-1 整合至 Yelp Host 與 Hatch 後，接話表現與準確度有所提升。在訂位與餐點訂購電話中，來電者會使用更完整、自然的語句，通話處理也有所改善。1
• 語言學習服務 Speak 表示，學習者在家教回應前能有更多思考時間；相較其先前的回合制系統，被打斷的情況減少近 80%。1
• 一家醫療保健公司表示，放棄串接式實作後，程式碼庫簡化了 80%，刪除了 23,000 行程式碼，同時可支援更自然的即時病患對話。1

這些結果均為導入企業自行回報，適合視為實務部署的案例，而非所有產品都能複製的效能保證。

仍待確認的資訊

現有材料未能證實名為「Presence」的代管企業產品存取方式，也未證實本次 API 發布包含特定口音、方言或語言範圍的擴充。若要作為採購或技術導入依據，仍應直接查閱最新的 OpenAI 文件。

重點整理

GPT-Live-1 的核心改變在於架構：它把全雙工即時語音對話帶進 API，讓代理在自然聆聽與說話的同時，可由另一套系統在後端處理較慢的推理與工具操作。每分鐘 0.05 美元、按秒計費的語音價格讓即時語音成本更容易估算；但整體帳單仍取決於所選後端模型與工具。11618