OpenAI 开放 GPT-Live-1.1 API,实现语音交互与复杂推理任务解耦

OpenAI 正式向第三方开发者开放 GPT-Live-1.1 API。该模型采用全双工架构,支持在语音对话不中断的情况下将复杂推理或工具调用任务委托给后端模型,大幅降低了多步骤语音智能体的开发门槛。

朋克君
发布者朋克君
预计阅读 2 分钟
我要投稿
AI 摘要
约 1 分钟

快速了解本文

01

OpenAI 向第三方开发者开放 GPT-Live-1.1 API 语音模型。

02

该模型支持全双工交互,允许语音前端与复杂推理后端解耦。

03

GPT-Live-1.1 自 2026 年 10 月 15 日起为 ChatGPT Plus 默认语音模型。

本摘要由 AI 辅助整理,请以正文内容为准。

数智朋克讯 11 月 20 日,OpenAI 宣布向第三方开发者开放 GPT-Live-1.1 API 语音模型。该模型的核心突破在于支持“边聊边干活”的架构设计,允许语音前端与复杂推理后端解耦,为构建多步骤语音智能体提供了直接的工程便利。

全双工语音交互能力

GPT-Live-1.1 具备全双工语音交互能力,能够同时聆听和说话。传统语音助手通常需要等待用户说完才能处理,而该模型无需等待,并能精准识别用户的停顿、打断和语速变化。在底层技术上,GPT-Live 系列采用全双工架构直接处理输入和输出音频,减少了传统 STT、LLM 和 TTS 串联产生的延迟。

任务委托与前后端解耦

对于智能体开发者而言,GPT-Live-1.1 最重要的架构特性是任务委托机制。该模型支持将需要深入推理或工具调用的任务委托给开发者选择的后端模型(可以是 OpenAI 模型或第三方模型)。在后端模型处理这些复杂任务时,前端的语音对话可以继续进行,无需中断。这种前后端解耦设计,大幅降低了构建多步骤语音智能体的工程门槛。

在基础能力方面,GPT-Live-1.1 改进了多语言语音处理、指令遵循能力和语音保真度,能够更可靠地精确识别字母和数字。自 2026 年 10 月 15 日起,该模型已成为 ChatGPT Plus 及更高级别订阅用户的默认语音模型,此次 API 开放将其能力正式扩展至第三方应用。

RELATED STORIES

继续阅读

围绕「GPT-Live-1.1」,继续阅读相关内容。

ARTICLE RECORD

转载说明

转载请注明文章出处。

TOPICS · 05

文章标签