OpenAI 开放 GPT-Live-1.1 API,实时语音智能体支持边聊边处理任务
摘要
OpenAI 于 11 月 20 日向开发者开放 GPT-Live-1.1 API,该全双工语音模型可同时聆听与回应,并支持将复杂推理任务委托给后端模型,语音对话不中断。此前该模型已于 2026 年 10 月 15 日成为 ChatGPT Plus 及以上订阅用户默认语音模型。
OpenAI 于 11 月 20 日宣布,面向开发者开放 GPT-Live-1.1 API 语音模型,第三方应用可借此构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。该模型此前已于 2026 年 10 月 15 日成为 ChatGPT Plus 及更高级别订阅用户的默认语音模型,本次 API 开放意味着相关能力正式向开发者生态延伸。
与常规语音交互不同,GPT-Live-1.1 具备全双工能力,可在聆听的同时开口说话,无需等待用户把整句话讲完再启动处理。模型能够捕捉对话中的停顿、打断与语速变化,实时判断应当继续聆听还是作出回应,从而让交互节奏更接近自然对话。
在能力层面,OpenAI 称 GPT-Live-1.1 针对多语言语音处理、指令遵循与语音保真度进行了改进,对字母、数字等需要精确识别的信息处理更为可靠,有助于降低语音交互中的理解偏差。
该模型还支持任务委托机制:需要深度推理或工具调用的任务可交由开发者选定的后端模型处理,既可以是 OpenAI 自家模型,也可接入第三方模型。后端模型执行复杂任务期间,语音对话仍可继续,无需中断当前交互。开发者由此可将实时语音能力与后端推理、工具调用相结合,使语音智能体在应答用户的同时推进多步骤任务。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家原文 ↗