OpenAI 上线 GPT-Live-1 语音 API：端到端语音推理，告别拼接式语音 agent 卡顿
pbbakkum · x · 2026-09-11
OpenAI 在 API 中上线 GPT-Live-1，实时 API 团队成员 Peter Bakkum 在访谈中解释了它为何可能改变语音 agent 的游戏规则：
- 架构变化：不再串联独立的语音转文字、语言模型、文字转语音三段流水线，GPT-Live-1 把输入输出音频作为一个连续交互整体进行推理。
- 解决的实际痛点：传统方案中 VAD（语音活动检测）和轮次检测常导致语音 agent 出现尴尬停顿、误打断、上下文丢失、对背景噪音或静音误应答，显得机械。
- 交互模型：GPT-Live-1 围绕更流畅的"无轮次"（turnless）交互设计，对话感接近真人对话。
- 发帖人称过去几个月参与该 speech-to-speech API 的 alpha 测试，表示印象深刻，期待自然语音的各种集成落地。
多位开发者认为 GPT-Live 进 API 比 Gemini Astra 影响更大，因为语音 agent 的集成生态会快速铺开。
所属事件:OpenAI 语音模型 GPT-Live-1 上线 API，支持全双工对话(38 条相关)→
「模型」频道最新
- repligate:上下文塞满噪声对 LLM 是实打实的「困难」 — repligate · 2026-10-27
- 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27
- 模型越可信越不敢输密码?研究者谈安全护栏的连带效应 — AaronBergman18 · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- repligate:LLM 上下文塞满噪声时确实会变『难』,休息的价值或可用信息论解释 — repligate · 2026-10-27
- 3 张二手 V100 跑 Qwen 近 400 tokens/秒 — jfinkpottery · 2026-10-27