OpenAI 语音模型 GPT-Live-1 开放 API：能同时听和说的语音 Agent，每分钟 5 美分
🎙️ OpenAI 语音模型 GPT-Live-1 开放 API：能同时听和说的语音 Agent，每分钟 5 美分
ChatGPT 同款全双工语音模型正式开放开发者：单模型同时听和说，打断更自然，还能把推理外包给后端大模型。2026 年 9 月 10 日上线。
如果你用过 ChatGPT 的语音对话功能，大概体会过那种"随时能插话、它也不慌"的自然感。现在，OpenAI 把背后的这套语音模型——GPT-Live-1——正式开放给了所有开发者。9 月 10 日，GPT-Live-1 上线 OpenAI API，前端语音层定价每分钟 0.05 美元。
一个模型，同时听和说
过去想做一个语音助手，业界的标准做法是"三段式"拼装：先用语音识别把用户的话转成文字，再交给大语言模型思考，最后用语音合成把回答读出来。
这套架构能用，但毛病也不少：每多一次"交接"，就多一截延迟，也多一个掉链子的机会。最尴尬的场景是打断——用户说到一半改主意了，传统管线往往反应不过来，要么继续自顾自往下说，要么干脆卡住。
GPT-Live-1 的思路不一样：它是一个同时负责"听"和"说"的单一模型，进出音频在同一个模型里统一处理。用户随时打断、笑着插一句、说到一半改口，它都能自然接住。背景噪音和沉默也不需要人工处理，模型自己就能判断什么时候该说话、什么时候该闭嘴。
"动脑子"的活儿可以外包
语音模型擅长的是把话说得自然，但复杂的推理、查资料、调用工具这些事，GPT-Live-1 提供了一个聪明的解法：委托。
开发者可以让 GPT-Live-1 把推理和工具调用转交给后端的文本模型——可以是 OpenAI 自家的 GPT-6 Astra，也可以是第三方模型。相当于前台有个口才好的接待员，后台智库随叫随到。这个分工让语音层保持低延迟，同时不牺牲回答质量。
语音的风格也可以精细化定制：通过系统提示词，开发者能调整语音 Agent 的语气、语速和对话风格——是活泼的客服小哥，还是沉稳的私人助理，都由 prompt 说了算。
谁最先用上了？
官方公布了早期合作方的数据。语言学习平台 Speak 发现，接入 GPT-Live-1 后，学员在语音导师回答前有了更充分的思考时间，打断次数比以往的轮次式系统减少了近 80%——对语言学习这种需要"听对方说完"的场景，这个提升非常实际。
另一个天然适配的领域是电话。GPT-Live-1 原生支持电话线路的全双工语音 Agent，从餐厅订位到客服热线都能部署。实际上，Yelp 和 Hatch 已经在用 GPT-Live-1 为餐饮商家和服务业从业者搭建电话语音 AI。
更多的声音选择
这次 API 版本还扩充了语音库，从过去少量固定音色扩展到覆盖更多口音、方言和语言的音色选择，开发者可以给产品挑一个更贴合用户群体的声音。OpenAI 表示后续几个月还会继续扩充音色和语言支持。
怎么上手？
GPT-Live-1 已经在 OpenAI API 开放，定价为前端语音层每分钟 0.05 美元，后端模型按所选模型单独计费。开发者可以参考 OpenAI 的 Live API 文档开始搭建。
官方还给出了一个挺接地气的测试建议：启动会话后自然地聊，故意打断它、笑出声、临时改主意，甚至走到咖啡店或马路边——看看它还能不能稳稳接住你的话。
语音 Agent 这条赛道，过去拼的是谁的管线调得顺，现在可能要拼谁的单模型用得好了。
来源：OpenAI 官方博客《Build more natural voice experiences with GPT-Live-1 in the API》（2026-09-10）、The Decoder、The Register 等媒体报道。
• OpenAI 官方博客：Build more natural voice experiences with GPT-Live-1 in the API（2026-09-10）
• The Decoder：OpenAI's GPT-Live-1 API lets developers build apps that talk and listen at the same time（2026-09-10）
• The Register：OpenAI arms devs with AI conversation tool（2026-09-10）