OpenAI开放GPT-Live-1.1语音API:可边听边说,复杂任务转交后端模型

今日,OpenAI 宣布向开发者开放 GPT-Live-1.1 API 语音模型,第三方可以把它集成进自己的应用,构建能够实时聆听、回应并执行复杂任务的语音智能体。

OpenAI开放GPT-Live-1.1语音API:可边听边说,复杂任务转交后端模型

该模型采用全双工架构,可以同时聆听和说话,不必等用户把一句话说完才开始处理。它能识别说话过程中的停顿、打断与语速变化,实时判断该继续听还是该开口回应。相比传统语音系统把语音识别、大语言模型和语音合成三段串联,它直接处理输入与输出音频,省掉串联带来的延迟。

能力上,GPT-Live-1.1 改进了多语言语音处理、指令遵循和语音保真度,对字母、数字这类需要精确识别的信息更可靠,能减少交互中的理解偏差。

它还支持把需要深度推理或调用工具的任务转交给开发者指定的后端模型,既可以接 OpenAI 自家的模型,也可以接第三方。后端在处理复杂任务时,语音对话仍可继续,不必中断当前交互,开发者因而能把实时语音与多步骤工作流结合起来。

这款模型自 2026 年 10 月 15 日起已是 ChatGPT Plus 及更高级别订阅用户的默认语音模型,此次是进一步把能力开放给第三方。相关技术文档与接入指南已在 OpenAI 开发者平台提供。

原创文章,作者:happy,如若转载,请注明出处:https://www.kejixun.co/article/768767.html

happy的头像happy管理团队

相关推荐

发表回复

登录后才能评论