OpenAI发布GPT-Live-1全双工语音Agent：API定价每分钟0.05美元，支持实时打断与12种音色，重塑语音交互体验
发布时间：2026年09月10日 09:00:00当地时间9月10日，OpenAI在Realtime API中推出全新的GPT-Live-1语音模型，主打全双工（full-duplex）语音对话能力，API定价每分钟0.05美元。与以往需等待一句话说完才能回应的语音模型不同，GPT-Live-1支持用户随时打断、边说边回应，并内置12个音色选项，覆盖客服、教育、陪伴、多语言助手等场景。OpenAI官方称其将显著降低语音类AI应用接入实时对话的门槛，被视为在语音交互赛道对Google Gemini Live、亚马逊Alexa等产品的正面回应。
当地时间9月10日，OpenAI正式推出全新的语音模型 GPT-Live-1，面向 Realtime API 开放，主打全双工（full-duplex）语音对话能力，API 定价为每分钟 0.05 美元，标志着语音类 AI 从"问一句、答一句"的对讲机式交互，向"边听边说、随时打断"的自然对话式交互迈出关键一步。
什么是全双工语音
在传统的语音模型（half-duplex）中，用户说完一句话后，模型需要等待收到完整输入才开始生成回复，期间用户无法插话。而 GPT-Live-1 采用全双工架构，模型可以在用户说话的同时实时理解语义、判断当前是否该回应，并支持用户随时打断正在输出的内容（barge-in / interruption handling）。OpenAI 官方将这一能力视为"让机器更像人类对话者"的核心，可用于语音客服、口语学习、医疗问诊、语音助手等高频场景。
定价与开放方式
GPT-Live-1 通过 OpenAI Realtime API 开放，以每分钟用量计费，每 0.05 美元可调用约 1 分钟的全双工语音会话。相比此前按 Token 计费、且对语音流支持有限的方案，这一分钟级定价更贴近开发者的成本模型，也有利于语音产品做大规模商业化测算。OpenAI 同步提供 12 种内置音色，并预留自定义音色集成接口，便于企业将语音 Agent 嵌入自有座席系统。
场景与竞争格局
OpenAI 表示，GPT-Live-1 的"边说边回应"特性尤其适合需要即时反馈的场景：客服遇到用户语气急促可即时安抚，陪练口语可即时纠正发音，儿童陪伴可随时被小朋友打断而不会冷场。外界普遍认为，这款产品直接对标 Google 的 Gemini Live、以及亚马逊 Alexa 的对话式升级，也与 Meta 等竞品的语音 Agent 布局正面交锋。语音正在成为继文本、图像之后，各头部大模型公司争夺的"下一块屏幕"。
意义与挑战
全双工语音看似只是交互方式的变化，实则考验模型的实时性、低延迟推理与对话管理能力——它需要模型在同一时间内处理输入与输出的双向信息流，对端到端延迟和并行计算的要求远高于普通对话。OpenAI 通过分钟级定价将这一高难度能力商业化，既是对自身语音栈的一次整合，也为开发者提供了相对可控的成本入口。未来语音 Agent 能否真正走进智能客服、车载、可穿戴等场景，还需看延迟控制与稳定性在实际生产环境中的表现。
Sources: