GPT-Live-1.1 API开放:开发者可建全双工语音智能体
该模型具备全双工语音交互能力,可同时聆听与回应,还能将复杂任务委托后端模型处理并保持对话不中断,目前已开放技术文档与接入指南。#OpenAI#
OpenAI 在 11 月 20 日宣布,GPT-Live-1.1 API 语音模型正式向开发者开放。第三方开发者可以把它接进自家应用,做出能实时聆听、回应并执行复杂任务的 AI 语音智能体。

GPT-Live-1.1 是 GPT-Live-1 的升级版,具备全双工语音交互能力,聆听和说话可以同时进行,用户不必把一句话完整说完,模型就已开始处理。它能捕捉用户说话时的停顿、打断和语速变化,实时判断该接着听还是该开口回应。从 2026 年 10 月 15 日起,这一模型已是 ChatGPT Plus 及更高级别订阅用户的默认语音模型;这次 API 开放,把相关能力进一步交到了第三方开发者手里。
能力层面,据 OpenAI 介绍,GPT-Live-1.1 在多语言语音处理、指令遵循和语音保真度上均有改进,对字母、数字这类需要精确识别的信息处理得更可靠,语音交互中的理解偏差也随之减少。
该模型还支持把需要更深推理或工具调用的任务交给开发者选定的后端模型。OpenAI 自家的模型可以用,第三方模型也能接入。后端模型处理复杂任务的同时,语音对话照常进行,当前交互不会中断。
换句话说,实时语音交互可以和 backend 模型的推理、工具调用能力搭配起来,语音智能体在回答用户问题的同时,还能跑需要多步骤执行的复杂工作流。
OpenAI 官方 API 文档显示,GPT-Live 系列采用全双工架构,直接处理输入和输出音频,传统语音系统里语音识别(STT)、大语言模型(LLM)和语音合成(TTS)串联带来的延迟因此减少。
GPT-Live-1.1 API 的技术文档和接入指南已经放出,开发者可前往 OpenAI 开发者平台查看模型能力、配置方式和使用方法。