OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活
IT之家 11 月 20 日消息,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
OpenAI 11月20日宣布,GPT-Live-1.1 语音模型的 API 正式向开发者开放。第三方开发者可以把它接进自己的应用,做出能实时聆听、回应并执行复杂任务的 AI 语音智能体。

OpenAI 方面称,
GPT-Live-1.1 是在 GPT-Live-1 基础上做的升级,支持全双工语音交互,听和说可以同步进行,用户不用把一整句话讲完,系统就能开始处理。用户说话时的停顿、打断以及语速快慢,它都能捕捉到,并当场判断是该接着听,还是给出回应。
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,则进一步将相关能力提供给第三方开发者。
说到具体本事,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提升;碰到字母、数字这类要求准确识别的信息,它处理起来更稳,语音交流中的理解偏差也随之减少。
另外,遇到需要更深入推理或调用工具的任务,这个模型可以把它委托给开发者选定的后端模型。开发者用 OpenAI 的模型也行,接第三方模型也行。后端模型处理复杂任务时,语音对话照常进行,当前交互不用中断。
这样一来,开发者就能把实时语音交互和后端模型的推理、工具调用能力拼到一起,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。
按照 OpenAI 官方 API 文档的说法,GPT-Live 系列采用全双工架构,能直接处理输入和输出音频,减少传统语音系统中语音识别(STT)、大语言模型(LLM)和语音合成(TTS)串联所产生的延迟。
目前 OpenAI 已放出 GPT-Live-1.1 API 的相关技术文档和接入指南,开发者可以到 OpenAI 开发者平台查看模型能力、配置方式和具体用法。