GPT-Live-1 開放 API，語音代理每分鐘 0.05 美元
OpenAI 於美國時間 9 月 10 日宣布把 GPT-Live-1 開放到 API，開發者可以用這個能夠同時聽與說的語音模型打造語音應用與業務流程。定價為前端語音層每分鐘 0.05 美元，後端負責推理的模型與代理 harness 另計。GPT-Live-1 先前只在 ChatGPT 內使用，鏈新聞先前報導過它邊聽邊說，把難題丟給背景模型的架構，這次是同一套能力向外部開發者開放。
單一模型同時處理聽與說，取代三段式語音架構
OpenAI 說明，傳統語音代理把語音轉文字、推理模型、文字轉語音三段串接，每一次交接都增加延遲，也更容易丟失對話的時機與節奏，開發者還得自己處理使用者打斷、停頓或改變話題的情況。GPT-Live-1 在單一模型內同時推理輸入與輸出的音訊，可以即時回應打斷與簡短的附和，並把較深的推理與工具呼叫委託給後端的文字模型，例如 GPT-6 Astra 或第三方模型，讓對話在背景工作進行時不中斷。
開發者可以自行選擇對話背後的模型、工具與代理 harness。OpenAI 舉例，排程、訂單更新這類高量任務可以搭配 Luna，需要推理的複雜客服問題則搭配 Astra，依任務調配推理深度、速度與成本。這個版本另外加入透過系統提示控制語氣、語速與風格，改善背景噪音與沉默的處理，強化長對話的上下文保留，並支援電話應用，從餐廳訂位到客服都能部署。模型原生提供語音辨識逐字稿與回應文字，支援關鍵字偏置與輪次偵測。
廣告 - 內文未完請往下捲動
Full Duplex Bench 領先 GPT-Realtime-2.1 三十個百分點
OpenAI 表示，在其評測中 GPT-Live-1 的 Full Duplex Bench 成績比 7 月發布的 GPT-Realtime-2.1 高出 30 個百分點，輪次切換延遲與互動行為都有大幅改善；搭配中等推理強度的 GPT-6 Astra 時，在衡量語音代理端到端任務能力的 Tau3 排名第一。這些評測涵蓋航空、零售、電信的客服任務，銀行知識查詢，以及含停頓、猶豫與自我修正的工具呼叫。
語言學習服務 Speak 在早期評估中發現，GPT-Live-1 讓學習者在家教回應前有更多思考時間，打斷次數比先前的輪次式系統減少近 80%。
每分鐘 0.05 美元，Yelp 與 Cognition 等早期客戶已導入
OpenAI 列出的早期客戶包括 Yelp 的 Host 與 Hatch、Speak 的即時家教課程、Intercom 的客服代理 Fin，以及 Cognition 把它與 AI 工程師 Devin 配對使用。Yelp 技術長 Alex Levy 表示，來電者開始說出更完整、更自然的句子，「這告訴我們電話另一端的體驗確實不一樣了。」
聲音選項也從原本少數幾種即時語音，擴大到涵蓋不同口音、方言與語言的更多選擇，OpenAI 表示未來幾個月會持續增加語音與語言；客製化聲音則需聯繫銷售團隊。GPT-Live-1 即日起在 API 提供，前端語音層每分鐘 0.05 美元。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
