OpenAI 推出 GPT-Live-1，语音交互更自然
GPT‑Live‑1 in the API
OpenAI 正式在 API 中推出 GPT-Live-1，这是一款专为构建自然语音体验而设计的强大模型。与传统的 STT-LLM-TTS 串联架构不同，GPT-Live-1 能在单个模型中同时处理听力和说话，显著降低了延迟并优化了打断处理。早期评估显示，该模型在语言教学场景中能将打断率降低近 80%，让学习者有更多思考时间。开发者可以通过系统提示词灵活调整语音的语调、语速和风格，并支持将深度推理任务委托给 GPT-6 Astra 等后端模型。此外，GPT-Live-1 还增强了在嘈杂环境下的抗干扰能力，支持电话场景的全双工语音代理部署，让语音助手在真实世界中更加可靠和自然。
GPT-Live-1 能够在单个模型中同时处理听力和说话，从而避免了传统串联架构中的延迟和脆弱的交接过程。
HN 评论区
50- dbbk
我等这一天好久了！我正在学西班牙语，所以自己写了个 App 来教自己，但特别聚焦于我生活中的具体场景，比如“在巴塞罗那的酒吧看巴萨比赛”。它既做 FSRS 闪卡训练，也做实时对话练习。
我觉得教育领域是这些实时对话模型非常未被充分探索的。没错，你确实可以用 ChatGPT Live，但那是自由形式且无结构的，没有课程大纲，也无法展示辅助视觉材料等等。从宏观角度看，如果你能给每个孩子配备专属的个人导师，而不是仅仅依赖集体教学，教育成果可能会有巨大的飞跃。
- agentdev001
重发我在 https://news.ycombinator.com/item?id=49646963 的评论
恭喜发布。过去几个小时我一直在折腾这个——超级超级酷。我一直兴奋地等着它上线 API，因为显然之前并没有一个高保真、即插即用的语音接口选项能直接嵌入现有的框架中。到目前为止这简直让我震惊！
（顺便问一句，有没有一个统一的地方可以关注 API 的更新，能涵盖所有变更？据我所记，你们发过几条推文提到了一些新增功能，但从未出现在 API 变更日志里 ;]）
- almogo
即使作为一个非常拥抱 AI 的人，这里对我来说卖点也实在不够。我几乎从来不想和 AI 说话。我根本不认为我会有有用的语音交互体验。也许智能体（agents）能解决这个问题，但要克服从机器人电话客服开始长达 30 年的负面先例，我不认为光靠一个新 API 就能在一夜之间改变这一切。
- kailpa1
我觉得这在“通过教别人来学习”的场景下可能很有用，而这里的“别人”就是 AI。我们都知道，费曼技巧（通过教学来学习）是发现知识盲点、检查自己能否把话题解释得足够简单让“学生”听懂的好方法。但在这个流程中，找到合适的“学生”是最难的。用这个模型（背后或许还有一个更强的推理模型）来替代学生，对于这种场景来说，听起来是一个足够好的真人替代品。
- ndom91
一直想试试把它用在 https://github.com/TristanBrotherton/voicepe-realtime 之上，配合 HomeAssistant VoicePE。
还有其他人用 HA 或 Voice PE 搞出点什么了吗？
看起来它需要第二个模型来做函数调用（function calling），而 gpt-realtime-2.5 不需要。此外，Voice PE 的 XMOS 芯片音频管道可能不太适合全双工来回对话，就像 gpt-live-1 现在支持的那样。