OpenAI 开放 GPT-Live-1 API，支持全双工语音

OpenAI 已将 GPT-Live-1 以 API 形式向开发者开放。这款语音模型支持全双工（full-duplex）通信，能边听边说，目前已在 ChatGPT 中上线。开发者可根据任务搭配不同的后端模型，在推理深度、响应速度和成本之间灵活取舍。每分钟 0.05 美元的定价不算便宜。据 CTO Alex Levy 透露，Yelp 已将该模型用于电话预订流程，通话处理效果有所提升。

在 OpenAI 的基准测试中，GPT-Live-1 大幅领先于前代模型。全双工交互测试中，GPT-Live-1 得分 80.1%，而 GPT-Realtime-2.1 仅为 45.4%。轮替延迟从 1.4 秒降至 0.8 秒，工具调用准确率从 60% 跃升至 87%。在银行语音客服基准测试中，GPT-Live-1 通过率达 32%，前代模型仅 12.4%。

GPT-Live-1 还附带 12 种新音色，覆盖不同口音、方言和语言，并开箱即用地提供 ASR 转录文本和响应文本。完整细节参见 API 文档。