GPT-Live-1：一边说话，也能听见你改主意
语音 / 多模态交互 · 8.5/10｜持续观察
GPT-Live-1 此前已用于 ChatGPT，9 月 10 日的新进展是向 API 开发者开放。它采用全双工交互，可以同时处理传入和传出的声音；更复杂的推理和工具操作，则交给后台文本模型。用户打断、更正或短暂停顿时，语音层不必等整条“识别—推理—合成”链路结束才作反应。
这样的分工尤其适合需要边谈边办事的应用：前台保持对话，后台查资料或执行任务。官方给出的语音前端价格是每分钟 0.05 美元，后台模型与工具的开销还要另外计算。它也支持输出转写文本和显式轮次检测，便于已有系统接入。
OpenAI 报告其 Full Duplex Bench 相比 GPT-Realtime-2.1 提高 30 个百分点，语音任务评测还会搭配不同后台模型。应把“对话时机处理得更自然”和“后台任务完成得更好”分开看，不能都归功于语音模型。本文没有独立测试中文口音、嘈杂环境或电话场景的效果。