Newsora
IT之家11/20 08:50 · 8m ago

OpenAI 開放 GPT-Live-1.1 API:支持實時雙向對話,智能體可邊聊天邊處理複雜任務

IT之家 11 月 20 日消息,OpenAI 今日宣佈向開發者開放 GPT-Live-1.1 API 語音模型,允許第三方開發者將其集成到自己的應用程序中,構建能夠實時聆聽、回應並執行復雜任務的 AI 語音智能體。據 OpenAI 介紹,GPT-Live-1.1 是 GPT-Live-1 的升級版本,具備全雙工語音交互能力,可以同時聆聽和說話,不必等待用戶完整說完一句話纔開始處理。該模型能夠識別用戶說話過程中的停頓、打斷和語速變化,並實時判斷應該繼續聆聽還是作出回應。IT之家注:GPT-Live-1.1 自 2026 年 10 月 15 日起已成爲 ChatGPT Plus 及更高級別訂閱用戶的默認語音模型。此次 API 開放,則進一步將相關能力提供給第三方開發者。在具體能力方面,OpenAI 表示,GPT-Live-1.1 改進了多語言語音處理、指令遵循能力和語音保真度,能夠更可靠地處理字母、數字等需要精確識別的信息,減少語音交互過程中出現的理解偏差。此外,該模型支持將需要更深入推理或工具調用的任務委託給開發者選擇的後端模型。開發者既可以使用 OpenAI 的模型,也可以接入第三方模型。後端模型在處理複雜任務時,語音對話仍然可以繼續進行,無需中斷當前交互。這意味着,開發者可以將實時語音交互與後端模型的推理、工具調用能力結合起來,讓語音智能體在回答用戶問題的同時,處理需要多步驟執行的複雜工作流。根據 OpenAI 官方 API 文檔,GPT-Live 系列採用全雙工架構,能夠直接處理輸入和輸出音頻,減少傳統語音系統中語音識別(STT)、大語言模型(LLM)和語音合成(TTS)串聯所產生的延遲。OpenAI 已提供 GPT-Live-1.1 API 相關技術文檔及接入指南,開發者可以通過 OpenAI 開發者平臺瞭解模型能力、配置方式和具體使用方法。

Aggregator site: only the publisher's summary is shown here. Read the full story at the source.
Read full story →