跳转到主要内容

OpenAI全新语音AI可处理你的来电——且不会打断你

OpenAI全新语音AI可处理你的来电——且不会打断你

曾经被困在电话树中，对着虚空大喊“转人工”吗？OpenAI的最新举措可能最终终结这个噩梦。该公司刚刚将GPT-Live-1引入其API，这是一个为开发者带来实时、全双工语音交互的模型。翻译一下：你的AI代理现在可以同时听和说，优雅地处理打断，甚至能应对电话通话中混乱的现实。

告别尴尬的停顿

与传统的对讲机式语音机器人不同，GPT-Live-1将语音理解和输出集成到一个单一模型中。这意味着不再有笨拙的“语音转文本→语言模型→文本转语音”接力赛。结果呢？更低的延迟和感觉上更人性化的对话。它可以处理背景噪音、停顿，以及我们都会有的那些“呃，等等，实际上……”的时刻。

开发者可以通过系统提示调整语气、速度和风格，并将其连接到Codex或OpenAI Presence等后端工具。因此，AI代理可以查询你的CRM、预订餐厅，或将呼叫者转接给人工——所有这些都不会中断对话。

Image

早期成果：更少打断，更少代码

数字令人印象深刻。语言学习平台Speak发现，与旧的轮次系统相比，学习者停顿时被错误打断的情况下降了近80%。医疗服务平台的CTO Tony Stoyanov报告称，他的团队在切换后削减了80%的代码——约23,000行。在OpenAI自己的测试中，GPT-Live-1在全双工基准测试中以30个百分点的优势击败了GPT-Realtime-2.1，并在与GPT-6 Astra配对时，在Tau3端到端语音代理任务中名列前茅。

定价和新语音

担心成本？前端语音层每分钟0.05美元——大约每小时3美元。后端模型和工具单独计费。OpenAI还新增了12种新语音（Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta和Cinder），并承诺很快支持更多语言。

所以下次你打电话给餐厅时，如果接待员从未听错你的名字，不要惊讶。AI语音革命不是即将到来——它已经在通话中了。

关键要点

  • 全双工语音： GPT-Live-1同时听和说，处理打断和背景噪音。
  • 电话就绪： 支持客户服务、预订和企业系统查询。
  • 更低延迟： 单模型设计省去了传统的多步骤管道。
  • 已验证的结果： Speak将错误打断减少了80%；一个团队移除了23,000行代码。
  • 定价： 语音层每分钟0.05美元；新增12种语音。