OpenAI发布端到端全双工语音模型，交互体验迎来质变

9月10日，OpenAI正式在官方API中上线GPT-Live-1，该模型首次实现语音输入与输出的深度整合，突破传统语音代理依赖三组件拼接的架构瓶颈。通过将语音识别、自然语言理解与语音合成统一于单一神经网络，系统可即时处理用户打断与确认指令，大幅缩短响应周期。

核心交互性能跃升，多场景验证表现优异

在标准全双工基准测试中，该模型相较前代GPT-Realtime-2.1实现30个百分点的性能提升。结合后端推理引擎如GPT-6Astra或Luna，在Tau3语音智能评测中位列榜首。语言学习平台Speak的早期实测数据显示，用户思考停顿期间的主动打断行为减少约80%，显著增强对话流畅性。

实际应用落地加速，企业客户反馈积极

某医疗健康领域客户在集成该模型后，其代码库规模缩减80%，累计减少2.3万行冗余代码。目前模型已支持电话通信部署，并新增12种语音风格。前端语音层定价为每分钟0.05美元，服务现已向公众开放，包括Yelp、Fin和Cognition在内的多家企业正开展接入测试。