OpenAI 正式把 GPT-Live-1.1 放到开发者 API,它是全双工语音模型,最大亮点就是对话不会被复杂任务卡住,前台维持流畅语音对话,同时把深度推理、工具调用、联网搜索这类重活交给后端模型异步处理,用户可以随时插话打断,不用干等任务跑完。和老版本相比,它的多语言口音一致性、数字和字母识别精度都有提升,还新增待机省电计费模式,开发者可以用 WebRTC 或者 WebSocket 接入,既能沿用自己现有的 Agent、工具链路,也可以直接选用 OpenAI 托管后端,很适合做电话客服、语音助手、实时翻译、语音智能体这类产品。整套架构把语音交互层和复杂推理层拆开,语音层只负责对话节奏、听和说,复杂计算交给后端,这也是它能做到边聊天边跑任务的核心原因。
一、GPT-Live-1.1 核心能力清单
- 全双工实时语音:一边说话一边持续收音,支持随时打断、插话、补充信息,接近真人对话节奏
- 任务委托机制:前台语音会话持续进行,复杂推理、工具调用、联网检索交给后端模型异步执行,结果回来再自然播报
- 版本升级优化:多语言发音更稳定,字母、数字、序列号识别准确率提升,减少转写出错
- 新增待机 Standby 模式:静音超时后进入待机,降低计费单价,音频通道保持不断开
- 两种委托模式:客户端委托(接入自己的 Agent 和后端)、Responses 委托(直接用 OpenAI 托管模型)
- 接入方式:WebRTC 浏览器端、WebSocket 服务端、SIP 电话线路都支持
- 配套版本:同步还有轻量版 GPT-Live-1.1 Quip,适合低算力、简单语音场景
二、GPT-Live-1.1 委托模式对比表
| 模式 | 控制权 | 后端模型选择 | 适用场景 |
|---|---|---|---|
| 客户端委托 | 开发者完全掌控 | 任意大模型、自研 Agent、自有工具链 | 企业私有化业务、已有成熟智能体项目 |
| Responses 委托 | OpenAI 托管推理 | OpenAI 官方系列模型 | 快速上线、不想维护后端推理链路 |
三、计费规则说明
- 正常活跃会话:0.05 美元 / 分钟
- 待机 Standby 会话:0.02 美元 / 分钟,静音超时 5–60 秒触发,可自定义超时时间
- 重要提醒:上面只算 GPT-Live 语音层费用,后端推理、工具调用、联网搜索会单独计费,分开结算
四、和传统半双工语音方案差异
| 项目 | GPT-Live-1.1 | 传统语音(轮次式 STT+LLM+TTS) |
|---|---|---|
| 交互方式 | 全双工,边听边说,随时打断 | 等用户说完一整句才开始处理 |
| 复杂任务处理 | 后台异步跑任务,前台持续对话 | 任务跑的时候对话卡住,用户只能等待 |
| 架构分层 | 语音交互层独立,推理可外置 | 语音、推理、播报强耦合在一起 |
| 出错特点 | 不容易误打断,停顿感知更好 | 容易误判用户说完,提前抢答 |
五、落地开发步骤
- 使用模型 ID:gpt-live-1.1,在 OpenAI API 控制台开启语音接口权限
- 选定委托模式:新项目快速验证选 Responses 委托;已有 Agent 系统选客户端委托
- 配置会话参数:设置待机超时、音色、语速、对话风格提示词
- 对接音频链路:浏览器优先 WebRTC,服务器 / 电话场景用 WebSocket、SIP
- 增加回调监听:监听委托事件、后端结果返回、打断事件,做好权限校验
- 灰度测试:重点测试嘈杂环境、长数字、多语种、高频打断场景,再放量
六、已知局限与风险
- 它本身不自带复杂工具能力,所有深度任务都依赖后端委托模型,后端模型的安全、能力上限会直接决定整体效果
- 待机模式只是降价,连接依然保持,长时间挂机会持续产生费用
- 对网络稳定性要求高,弱网下音频流卡顿会影响打断识别和对话流畅度
- 高风险场景(金融、医疗)需要开发者自己增加二次确认、权限管控、操作留痕
【相关 FAQ】
问题 1:GPT-Live-1.1 语音模型向开发者开放,它怎么做到边聊天边处理复杂任务?
回答 1:GPT-Live-1.1 语音模型向开发者开放,依靠任务委托机制,前台语音层负责持续对话、接收用户打断,把深度推理、工具调用等复杂任务交给后端模型异步运行,任务跑完之后再把结果带回对话,全程不会中断语音聊天。
问题 2:GPT-Live-1.1 的两种委托模式有什么区别,开发者该怎么选?
回答 2:GPT-Live-1.1 分为客户端委托和 Responses 委托,客户端委托可以接入开发者自己的 Agent 与后端模型,适合企业自有业务;Responses 委托直接使用 OpenAI 托管模型,上手更快,适合快速验证语音智能体原型。
问题 3:GPT-Live-1.1 新增的 Standby 待机模式是什么,计费怎么算?
回答 3:GPT-Live-1.1 新增 Standby 待机模式,会话静音达到设定超时时间后进入待机状态,待机时计费降到 0.02 美元 / 分钟,音频连接不断开,一旦用户再次说话立刻恢复正常对话,用来降低长时间闲置会话的成本。
问题 4:接入 GPT-Live-1.1 语音模型,开发者支持哪些接入方式?
回答 4:接入 GPT-Live-1.1 语音模型,开发者可以使用 WebRTC 做浏览器端语音、WebSocket 用于服务端音频流水线,也支持 SIP 线路对接电话场景,适配网页、APP、呼叫中心等不同语音产品。
【参考资料】
[2026-11-20](GPT-Live-1.1 has arrived in the API)OpenAI 开发者社区
[2026-11-20](GPT-Live-1.1 语音模型向开发者开放:可边聊天边处理复杂任务)IT 之家
[2026-11-19](GPT-Live 1.1 now available on AI Gateway)Vercel
[2026-11-13](ChatGPT 语音切换至 GPT-Live-1.1,停用旧高级语音模式)OpenAI 帮助中心
【免责声明】
以上内容仅为 GPT-Live-1.1 开发者 API 资讯整理,不构成产品商用落地建议;GPT-Live-1.1 的计费、接口能力、安全限制以 OpenAI 官方文档实时版本为准;语音智能体涉及电话、用户交互等高风险场景,上线前务必完成权限、风控、合规测试。
