OpenAI开放GPT-Live-1.1 API支持实时语音交互
OpenAI向开发者开放GPT-Live-1.1语音模型API,第三方应用可集成该模型构建实时聆听、回应并执行复杂任务的AI语音智能体;该模型支持全双工语音交互,并可将深度推理或工具调用任务委托给后端模型。
驱动中国11月20日消息,OpenAI宣布向开发者开放GPT-Live-1.1 API语音模型,第三方开发者可将其集成到应用程序中,构建能够实时聆听、回应并执行复杂任务的AI语音智能体。
OpenAI介绍,GPT-Live-1.1是GPT-Live-1的升级版本,具备全双工语音交互能力,可同时聆听和说话,无需等待用户完整说完一句话后再处理。该模型可识别用户说话过程中的停顿、打断和语速变化,并实时判断应继续聆听还是作出回应。
在订阅产品应用层面,GPT-Live-1.1自2026年10月15日起已成为ChatGPT Plus及更高级别订阅用户的默认语音模型;此次API开放将相关能力进一步提供给第三方开发者。
能力方面,OpenAI表示,GPT-Live-1.1改进多语言语音处理、指令遵循能力和语音保真度,能够更可靠地处理字母、数字等需要精确识别的信息,减少语音交互过程中的理解偏差。
该模型还支持将需要更深入推理或工具调用的任务委托给开发者选择的后端模型。开发者可使用OpenAI模型,也可接入第三方模型。后端模型处理复杂任务时,语音对话仍可继续,无需中断当前交互。
这意味着开发者可将实时语音交互与后端模型的推理、工具调用能力结合,使语音智能体在回答用户问题的同时,处理需要多步骤执行的复杂工作流。
根据OpenAI官方API文档,GPT-Live系列采用全双工架构,可直接处理输入和输出音频,减少传统语音系统中语音识别、大语言模型和语音合成串联产生的延迟。
OpenAI已提供GPT-Live-1.1 API相关技术文档及接入指南,开发者可通过OpenAI开发者平台了解模型能力、配置方式和具体使用方法。