ChatGPT那个能跟你抢话、能听出你在犹豫的语音能力，现在可以装进你自己的App里了。OpenAI宣布，把ChatGPT语音功能背后的GPT-Live-1模型正式开放给开发者调用。
价格摆在这儿：语音前端每分钟0.05美元。换算一下，一小时三美元，比一杯咖啡贵不了多少。需要深度思考的部分，则由开发者自己选一个后台模型来接，按那个模型的价格另外算钱。
它和以前的语音AI，差在哪儿
过去做语音助手，流程像一条流水线：先听你说完，把语音转成文字，再让模型想，最后把答案念出来。三步走完，你才有回应。这就像用对讲机——你说完一句，按下按钮，等对面回。
GPT-Live-1换了个做法，走的是全双工架构。它一边听你说话，一边就在生成回应，两头同时开着。效果就是，它能自然地处理打断、停顿、附和，也能判断什么时候该继续说、什么时候该闭嘴听、什么时候该去调个工具。说白了，更像打电话，而不是用对讲机。
OpenAI没有给具体延迟数字，但表示这种架构明显压低了交互延迟，也不再需要开发者自己去协调好几个独立模型之间的来回切换——那些衔接上最容易出岔子的地方，现在被省掉了。
跑分成绩单
在Full Duplex Bench测试中，GPT-Live-1比GPT-Realtime-2.1高出30个百分点，提升最明显的是轮流发言的延迟和交互行为。和GPT-6 Astra以中等推理强度配合时，它在Tau3测试里拿了第一——这个测试考的是端到端语音智能体完成实际任务的能力。
复杂活儿外包，钱按需花
GPT-Live-1并不包揽所有推理。OpenAI把两个角色拆开了：一个是负责实时听说的语音模型，一个是负责深度思考的后台模型。用户问到一个要搜索、要复杂分析、或者要跑一阵子的长任务时，GPT-Live-1会把活儿丢给后台，自己继续维持对话的自然节奏。
这对开发者来说意味着可以按业务配菜。简单问答配个快而便宜的模型，难题扔给更强的推理模型。语音交互的体验不打折，账单也不至于失控。
真实案例：AI少插嘴了80%
语言学习平台Speak是早期使用者之一。他们发现，跟以前那套按轮次来的系统相比，GPT-Live-1让系统主动打断学习者的次数减少了接近80%。对练口语的人来说，这个差别很直观——你话没说完就被AI截胡，学习体验是很糟的。
另外一些能力也一并给到了开发者：原生语音转写和响应文本、关键词偏置、轮次检测，还针对嘈杂环境做了优化。可用的声音范围也扩大了，覆盖更多口音、方言和语言。
GPT-Live-1原生支持电话场景。餐厅预约、客户支持这类需要来回对话的语音智能体，可以直接搭。它还能跟Codex这类工具接上：语音模型负责接收任务，后台工具去干活，干完再回到语音里告诉用户。
这背后在发生什么
语音正在从"演示功能"变成"可计费的基础设施"。OpenAI这次的动作有两层意思：一是把ChatGPT最好的语音体验拆成零件卖，二是把成本和能力切成两段——前端负责像人一样说话，后台负责像机器一样思考。
对开发者来说，门槛低了，但选择也多了。你得判断哪些问题值得交给贵模型，哪些用便宜的就行。这个判断本身，可能会成为接下来做语音产品的核心竞争力之一。