OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活
OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 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,可以
OpenAI 今日把 GPT-Live-1.1 API 语音模型向开发者开放,第三方可以把它接进自家应用,做出能实时听、实时回应、还能执行复杂任务的语音智能体。

按 OpenAI 的说法,
GPT-Live-1.1 是 GPT-Live-1 的升级版,支持全双工语音交互:听和说可以同时进行,用户不必把一句话讲完,模型就已经开始处理。用户说话时的停顿、打断、语速变化它都能捕捉,并当场判断是接着听还是开口回应。
GPT-Live-1.1 从 2026 年 10 月 15 日起就是 ChatGPT Plus 及更高档订阅用户的默认语音模型。这次开放 API,等于把这套能力再交给第三方开发者。
能力层面,OpenAI 称 GPT-Live-1.1 在多语言语音处理、指令遵循和语音保真度上都有改进,字母、数字这类要求准确识别的信息处理起来更靠谱,语音交互中的理解偏差也更少。
另外,碰到需要更深推理或调用工具的任务,模型可以把它交给开发者选定的后端模型去做。后端用 OpenAI 的模型也行,接第三方模型也行。后端忙着处理复杂任务时,语音对话照常进行,当前交互不用中断。
这也就意味着,开发者能把实时语音交互和后端模型的推理、工具调用拼到一起,让语音智能体一边回答用户问题,一边跑需要多步骤执行的复杂工作流。
OpenAI 官方 API 文档显示,GPT-Live 系列用的是全双工架构,输入和输出音频都直接处理,传统语音系统里语音识别(STT)、大语言模型(LLM)、语音合成(TTS)串成一串带来的延迟因此减少。
OpenAI 已经放出 GPT-Live-1.1 API 的技术文档和接入指南,开发者可到 OpenAI 开发者平台查看模型能力、配置方式和具体用法。