一句话看懂：OpenAI 将 GPT-Live-1 语音模型开放为 API，它支持“全双工”交互，也就是边说边听，开发者可以把这种接近真人对话的能力接入自己的应用，但每分钟 0.05 美元的价格也意味着成本不低。
事件核心：发生了什么
2026 年 9 月 10 日，OpenAI 宣布把 GPT-Live-1 以 API 形式提供给开发者。这个语音模型的核心能力是“全双工”：它能同时说话和聆听，而不是传统语音助手那种“你说完我再说”的轮流模式。该模型目前已经在 ChatGPT 内部运行。
开发者可以把 GPT-Live-1 与不同的后端模型搭配，根据任务需要平衡推理深度、响应速度和成本。定价为每分钟 0.05 美元。Yelp 已经在用它处理电话预订，据其 CTO Alex Levy 表示，通话处理效果有所改善。
在 OpenAI 公布的基准测试中，GPT-Live-1 明显领先前代：全双工交互测试得分 80.1%，而 GPT-Realtime-2.1 为 45.4%；轮流对话延迟从 1.4 秒降到 0.8 秒；工具调用准确率从 60% 提升到 87%；银行语音支持基准通过率从 12.4% 升至 32%。此外还新增了十二种覆盖不同口音、方言和语言的语音，并开箱提供 ASR 转写和回复文本。
为什么重要
全双工语音一直被视为语音 AI 从“能用”走向“自然”的关键门槛。它决定的不只是对话流畅度，还有机器能否像人一样处理打断、附和、抢话和情绪变化。GPT-Live-1 把这类能力做成 API，意味着语音交互不再是少数大厂的专利，中小开发团队也能调用。
从竞争格局看，这延续了 OpenAI 把内部能力持续产品化、平台化的路线。与 GPT-Realtime-2.1 的数据差距说明语音模型的迭代还在加速，而 Yelp 这类真实商业场景的落地，也在为语音客服、预订、外呼等高价值场景提供参考。价格层面，每分钟 0.05 美元对高频通话场景并不便宜，这会直接影响开发者的成本结构和商业化设计。
对用户/开发者/创作者的影响
对开发者来说，最直接的变化是可以用一套 API 构建“可打断、可实时回应”的语音应用，而不必自己拼接语音识别、大模型推理和语音合成三段链路，工程复杂度明显下降。与不同后端模型搭配的灵活性，也让团队能按场景选择更便宜或更强的推理模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业和创作者而言，电话预订、语音客服、语音陪伴、互动内容等方向的门槛被压低。但需要算清账：按分钟计费意味着长时间通话成本会快速累积，产品设计上要控制通话时长或做分级定价。目前公开信息显示，GPT-Live-1 输出的是 ASR 转写和回复文本，创作者可以在此基础上做字幕、摘要或内容再加工，这一层的二次开发空间值得关注。
值得关注的后续
第一，价格是否下调或推出阶梯套餐。0.05 美元每分钟直接决定语音应用能否大规模铺开，尤其对客服和呼叫中心类场景。第二，竞品是否跟进全双工。谷歌、Meta 以及国内大模型厂商在这条路线上的动作，会影响整个语音 API 市场的定价和技术节奏。第三，Yelp 等早期案例的实际效果能否持续验证，以及开发者生态中是否出现真正高频、可复制的语音应用形态。这些都是判断 GPT-Live-1 是阶段性更新还是语音交互转折点的关键观察点。
