模型定位
GPT-Live-1 是面向实时自然对话的全双工语音模型,可同时聆听和说话,并将较复杂的推理和工具调用委派给后台模型或智能体。(developers.openai.com)
能力与用途
- 支持连续对话、打断处理、实时翻译,以及根据停顿或背景声音调整交互;开发者可通过提示词调整语气、语速和风格。(openai.com)
- 支持文本和音频输入、输出,可用于语音助手、语言学习、电话客服、预约和其他语音业务流程。(developers.openai.com)
- API 文档列出流式输出和函数调用支持;知识截止日期为 2025 年 7 月 31 日。(developers.openai.com)
限制
- API 文档显示不支持图像或视频模态、结构化输出和微调。(developers.openai.com)
- 某些语言可能存在非母语口音或流利度不足。ChatGPT 版首次发布时不支持语音与视频或屏幕共享同时使用;这是发布时的限制,不代表当前状态。(openai.com)
- 更复杂任务的效果和费用取决于所配置的后台模型与工具。(openai.com)
发布与可用性
OpenAI 于 2026 年 7 月 8 日公布 GPT-Live,并开始在 ChatGPT 中推出 GPT-Live-1;2026 年 9 月 10 日宣布在 API 中提供 GPT-Live-1。(openai.com)
API 价格
OpenAI 官方 API 前端语音会话价格为 0.05 美元(USD)/分钟,按秒计费,不向上取整到完整分钟。该价格按会话时长计收,并非分别按输入和输出 token 计费;后台模型的输入、输出及工具使用另按所配置模型和工具的价格计费。查询日期:2026 年 11 月 16 日。(developers.openai.com)