GPT-Live-1 全双工语音模型：能边听边说的 AI，每分钟 $0.05

GPT-Live-1 是 OpenAI 的全双工语音模型，从 2026 年 9 月 10 日起对开发者开放 API。 它在 ChatGPT 里已经跑了两个月（2026 年 7 月 8 日上线，取代原来的高级语音模式），现在可以接进自己的系统了。

官方对它的定义只有一句，但这句话是整篇文章的重点：

a full-duplex voice model for real-time conversations. It can listen and speak at the same time

能同时听和说——这是语音 AI 和"能用的语音 AI"之间的分水岭。

---

一、全双工到底解决了什么？

过去做语音机器人，标准做法是三段式管线：语音转文字 → 大模型想 → 文字转语音。三段串起来，每一段都要等上一段结束。结果就是大家都熟悉的那种体验：

• 你说完，要等一两秒它才开口
• 你想插一句"不是这个意思"，它听不见，得等它把整段念完
• 它念到一半你已经明白了，但打断不了

这三条都是半双工造成的：同一时刻只能听或只能说。

全双工模型把听和说放进同一个模型、同时进行。你插话它立刻停下、你"嗯"一声它知道你在跟、你沉默两秒它知道该接话还是该等你想完——停顿、抢话、接话这些人类对话里最自然的部分，才第一次变得自然。

据公开报道，OpenAI 称 GPT-Live-1 在自家的 Full Duplex Bench 上比 GPT-Realtime-2.1 提升了 30 个百分点。

---

二、它自己不"想"，把难题交给后端模型

这是 GPT-Live-1 架构上最值得理解的一点：它主要负责把对话这件事做好——听、说、停顿、被打断、判断什么时候需要外援；复杂推理和工具调用委派给后端的模型去做（官方原文：delegate reasoning and tool use to a backend agent）。

这个分工对企业有两个直接影响：

一是效果更好。 让一个模型既要保持毫秒级的对话节奏、又要做复杂推理，必然顾此失彼。分开之后，前台专心对话、后台专心思考。

二是成本要分开算。 语音会话 $0.05/分钟只是前台的钱，后端模型按它自己的 token 价另计。做预算时两笔都要算进去——只看每分钟五分钱会低估。

后端接哪个模型由你定，这也是控成本的主要抓手：需要复杂判断的场景（比如退换货政策的边界情况）值得上 GPT-6 Astra 这类旗舰，日常查单改址用更便宜的型号就够。分层路由做得好，整体成本能差出一个量级。

模型支持流式处理与函数调用，端点只有 v1/live/sessions。有几个限制要提前知道：不支持图像与视频模态，也不支持 structured outputs、微调与 predicted outputs；官方文档标注的知识截止是 2025 年 7 月 31 日——需要最新知识的问题，本来也该交给后端模型或检索系统。

---

三、每分钟 $0.05 是什么概念

官方定价：$0.05 每分钟，按秒计费。按秒计费这点对实际账单影响不小——大量语音咨询是三五十秒就结束的，按分钟取整会多付不少。

换算成场景（仅前台语音部分，后端模型另计）：

场景	时长	前台成本
一通 3 分钟的售后咨询	3 分钟	约 $0.15
每天 200 通、平均 3 分钟	600 分钟/天	约 $30/天
同上，一个月	约 18,000 分钟	约 $900/月

拿这个数字和一个坐席的人力成本比，账很好算。但别按这个就下单——真实成本还要加上后端模型、电话线路或 WebRTC 通道、以及最容易被低估的那部分：把它接进你现有业务系统的工程量。

---

四、企业能把它用在哪

它适合的是高频、标准化、但又必须"对话"才能完成的场景：

• 售后与客服：查订单、改地址、退换货、报修派单
• 预约与排期：门诊、维修、看房、试驾
• 外呼回访：满意度回访、续费提醒、到期通知
• 语言陪练与培训：全双工的打断和纠正才像真人对练
• 前台分流：把简单问题解决掉，复杂的转人工并带上完整上下文

最后这条最容易被低估。 语音 AI 真正的价值往往不是"全自动无人工"，而是把 70% 的简单问题挡在人工之前，并且转接时把已经问清楚的信息一并递过去——坐席不用再让客户从头说一遍。

不确定自己的业务适不适合，可以先看我们写过的 AI 客服 90 天落地路线，里面讲的分阶段做法同样适用于语音。

---

五、Azure 上的可用状态

微软已宣布 GPT-Live-1 与 GPT-Image-2.5 系列进入 Microsoft Foundry。不过截至本文发布，Microsoft Learn 的「Models sold by Azure」模型清单（最近更新 2026 年 9 月 4 日）尚未收录 gpt-live-1——同族的 gpt-live-transcribe（实时低延迟转写）已在列，且与 GPT-Live-1 一样采用按时长计费。

所以实际接入前，请以 Foundry 控制台里能否看到该模型、以及微软官方最新说明为准。需要确认区域、配额与部署形态的，可以让我们代为对接微软侧渠道。

走 Azure 的好处和其他模型一致：Entra 身份、私网与权限开箱即用，账单并入既有订阅，且微软官方文档写明提示与输出不对 OpenAI 等模型提供方开放、不用于改进其模型。语音场景涉及客户真实通话内容，这条尤其要紧。

---

六、我们能帮你做什么

• 接入与账务：Azure 订阅开通与代付、Foundry 配额申请、人民币开票
• 方案与成本测算：前台语音 + 后端模型两笔账一起算，按你的真实通话量出预算
• 落地实施：AI 客服方案、与工单/CRM/电话系统对接，转人工时带上完整上下文
• 知识底座：语音 Agent 答得准不准，取决于它背后有没有一个整理好的知识库——见企业 AI 知识库

---

结语

全双工不是参数上的小改进，是语音交互第一次不那么像在跟机器说话。但模型只是其中一环——真正决定效果的是背后的知识库、系统对接和转人工的设计。

同期 OpenAI 还发布了图像模型 GPT-Image-2.5，拆成快速生成与精确编辑两个型号且没有涨价，见GPT-Image-2.5：Flare 与 Sunburst 怎么选。

想评估自己的业务适不适合上语音 AI，把每天通话量、常见问题类型、现有工单系统三样告诉我们，可以先做一次可行性判断。

北京元空间科技有限公司（Linkmetax 元空间科技）成立于 2022 年，已通过 ISO 9001、ISO 27001、ISO 20000-1、ISO 45001、ISO 14001 五大体系认证。欢迎联系：400-024-2195 / info@linkmetax.com。

联系我们做一次语音 AI 可行性评估 →　|　Microsoft 企业云中心

---

参考资料（官方）：gpt-live-1 模型文档（OpenAI Developers）、OpenAI API 定价页、Foundry Models sold by Azure（Microsoft Learn）、Foundry 数据隐私与安全（Microsoft Learn）。Full Duplex Bench 提升幅度为公开报道转述的 OpenAI 说法。可用性、配额与价格以 OpenAI、微软官方最新说明为准。