OpenAI把ChatGPT打电话时用的那套语音本事，正式开放给开发者了，价格是每分钟0.05美元。
开发者现在可以通过API调用GPT-Live-1这个模型，把它装进自己的应用里。装进去之后，你的App就能像ChatGPT一样，一边听用户说话，一边开口回应，不用等对方说完再吭声。前端语音每分钟0.05美元，如果问题复杂、需要后台模型去搜资料或做长链条推理，那部分按对应模型的价钱另算。
它不是对讲机，是电话
过去的语音AI基本是"回合制"的。你说话，它做语音识别；你停下，它才把文字丢给大模型想答案；想出答案，再合成声音念给你听。三步走完，中间还得自己协调三个模型怎么衔接，稍有卡顿就像网络不好的视频通话。
GPT-Live-1走的是另一条路：全双工。它在听你说话的同时就在生成语音。你话说一半它插嘴，你停顿一下它等着，你说"嗯嗯"它知道那是附和而不是抢话。什么时候该继续说、该停、该听、该调工具，模型自己判断。
这种设计最直接的好处是延迟降下来了，而且开发者不用再自己搭一套调度逻辑去摆平多个模型之间的来回切换。
成绩单上有两个数字值得看
在Full Duplex Bench这项测试上，GPT-Live-1比GPT-Realtime-2.1高出30个百分点，提升集中在"轮到谁说话"的延迟和交互行为上——简单说，就是插话和接话的时机更接近真人。
另一个数字来自Tau3测试。这是评估端到端语音智能体完成实际任务的测试，GPT-Live-1和GPT-6 Astra以中等推理强度配合时，拿了第一名。这说明它不是单打独斗型选手，而是要跟后台推理模型搭班子。
前台接待，后台专家
OpenAI把两件事拆开了：谁负责听和说，谁负责想。
用户问"帮我查一下附近哪家店还开着"，语音模型接住这句话，转给后台去搜，搜的时候嘴上不闲着，继续跟你聊。简单问题配个快而便宜的模型，硬骨头交给更强的推理模型。账怎么算，开发者自己组合。
已经有公司在用，效果是个百分比
语言学习平台Speak是最早试用的公司之一。他们发现，换掉原来那套"一轮一轮来"的系统之后，GPT-Live-1让系统主动打断学习者的情况减少了接近80%。
这个数字对学语言的人意味着什么，很容易想象：你说一句卡一句，每卡一次就被机器截断重来，学十分钟就想关掉App。
能接电话，也能听懂口音
GPT-Live-1原生支持电话场景，餐厅预约、客服热线这类需要来回对话的全双工语音智能体是它的主场。它还自带语音转写和响应文本，支持关键词偏置——把店名、人名、专有名词提前喂给它，减少听岔；支持轮次检测；在嘈杂环境下做了优化。OpenAI这次也扩充了可选声音，覆盖更多口音、方言和语种。
开发者还能把它和Codex这类工具串起来：语音模型负责接任务，后台工具去执行，执行完再回到对话里汇报。
语音AI的战场换了
以前比的是"听得准不准"，转录准确率是硬指标。现在比的是"聊得像不像人"——能不能在对方话没说完时正确插一句，能不能在沉默半秒后自然接上，能不能一边聊一边在后台干活。
与此同时，计费方式也在变。语音前端按分钟计价，推理按模型计价，这种拆分让语音能力第一次变成了开发者能算清账、按需拼装的零件。接下来值得看的，是谁能用这套零件拼出真正让人忘记对面是机器的产品。