OpenAI 把 GPT-Live-1.1 语音模型开放给开发者了,可以集成到自己的应用里,做能实时对话的语音智能体。
这个模型并不新。10 月 15 日起,ChatGPT Plus 和 Pro 用户的语音功能用的就是它,等于在自家产品里跑了一个多月,再拿出来卖。
OpenAI 强调的改进有两点:一是更可靠地识别字母、数字这类需要精确理解的信息,二是指令遵循更强。
第一点听起来不起眼,做过语音客服的人都知道它有多重要。
订单号、手机号、车牌、快递单号,语音系统最容易在这里出错。「B」和「D」、「15」和「50」一错,整通电话就白打了,最后还得转人工。很多语音客服项目做不下去,不是因为模型不会聊天,是因为记不对一串号码。
所以这次开放最直接的受益者是客服、预约、售后这类场景。原来用「语音识别 + 文本模型 + 语音合成」三段拼起来的方案,延迟高、每一段都可能出错,一个端到端模型能把链路缩短不少。
指令遵循更强,对应的是另一类老问题:你让它只回答退换货,它聊着聊着开始推荐商品。
这次公告里没有给出定价和延迟数据。接入之前,最好拿自己业务里的真实录音测一轮,尤其是带口音、带背景噪音的那种,官方演示里通常不会有。
© 版权声明
文章版权归作者所有,未经允许请勿转载。






GPT-Live-1.1 开放 API:ChatGPT 语音里用了一个月的模型,开发者现在能拿去做语音客服