ARTICLE · 1013622
打给ChatGPT的那个声音,现在所有App都能接进来了
打给ChatGPT的那个声音,现在所有App都能接进来了氪獭新知NO.029 · AI资讯 · 2026年9月15日 LEAD你打给 ChatGPT 的那个语音对话背后，是 1-800-ChatGPT 的电话线路，和一套能把文字模型「说」出来的真人感语音系统。最近 OpenAI 把这套「声音」从 ChatGPT 内部拿出来，做成了对外开放的 API——意思是，任何一款 App 都能接进去，让用户用说话而不是打字来用 AI。语音交互的门槛，第一次从「大厂自己养一支团队」降到了「接一个接口」。 01AI VOICE · 01GPT-Live-1 是什么 OpenAI 在 API 中推出了全双工语音模型 GPT-Live-1（OpenAI 官方公告，9 月上旬；AI HOT 聚合的 OpenAI 官方动态收录于 9 月 10 日，部分中文媒体称 9 月 13 日）。所谓全双工，就是它可以同时听和说——你说话的时候它在听，它说话的时候你也能插进来，不再是「你说完、它再说」那种一问一答的接力。 前端语音层的定价是每分钟 0.05 美元。更重要的是它的分工：GPT-Live-1 只负责「听和说」这一层语音交互，核心的推理和工具调用，会被委派给后端的旗舰文本模型，比如 GPT-6 Astra。打个比方，声音是前台，大脑是另一颗更聪明的模型。 这套能力并非凭空冒出来。OpenAI 此前就把 ChatGPT 的语音对话做成过一条可拨通的电话线路（1-800-ChatGPT），用户打电话过去就能和它聊。GPT-Live-1 开放成 API，等于把那套真人感的语音能力从「一条电话线」变成「所有开发者都能调用的接口」，触达范围从打过电话的人，扩张到每一个装了第三方 App 的用户。 
02AI VOICE · 02它和以前那些语音助手不一样在哪 早一代语音助手大多是半双工——你说的时候它不能听，或者说完一段才轮到它；再往前的一类，是把语音转成文字、丢给文本模型、再把回答合成语音的三段式，延迟高，还容易在长对话里丢上下文。GPT-Live-1 的全双工设计，让打断、插话、语气、停顿这些真人对话里的细节能被自然处理（基于 OpenAI 官方描述，具体体感仍要等第三方实测）。 全双工带来的直接好处是「两端可以重叠」。你问到一半想补充，或者直接打断纠正，模型不用等你说完再反应，对话节奏更接近人和人说话。对需要随时插话的场景——边查信息边确认、边操作边问——这种连续性是半双工很难给的。至于长对话的记忆和情绪把握，仍要看第三方实测，不能只看发布会演示。 后端接的 GPT-6 Astra 同样关键：它是 OpenAI 9 月 9 日发布的旗舰模型。Artificial Analysis 的榜单上，GPT-6 Astra（max）的 Intelligence Index 为 53，与 Anthropic 的 Claude Fable 5.1 并列榜首；OpenAI 给它的 API 定价是每百万输入 token 10 美元、输出 token 50 美元。语音层把活交给它，等于用户用说话的方式，用上了当下最强的文本大脑之一。 03AI VOICE · 03谁能用，又能用来干嘛 任何开发者都能通过 API 把这套语音能力接进自己的产品，做成 App 内的语音智能体：客服问答、陪伴闲聊、车载语音、语言陪练、无障碍朗读，都可以是落点。它的定位是「对话语音层」对外开放，而不是「生成一段语音文件」的工具。 同一周里，语音和音频方向还有别的动作可作参照：音乐模型 Suno 在 9 月 10 日至 12 日间发布 v6，支持用图片、视频和语音备忘录生成音乐；谷歌 9 月 10 日推出 Gemini 的 Windows 桌面应用，用 Alt+Space 唤起、可调用 Gmail 和 Drive。但它们都不是「能插话的对话语音 API」，和 GPT-Live-1 做的事不在一层。 GPT-Live-1 的位置正在这里：过去语音助手的能力，要么握在大厂自己手里当封闭能力，要么由开发者费力气自己搭；现在 OpenAI 把中间那层对话语音直接打包成接口，这条路第一次对所有人铺开。 对开发者来说，省掉的是最重的一块活。做语音助手过去要自己拼「语音转写 + 文本模型 + 语音合成」三套系统，每一环都要调、要养。现在中间那层对话语音被打包好，开发者只要想清楚场景，把自家的业务数据接到后端模型上就行，不用再为「声音」本身招一支团队。 这一开放也把「语音智能体」从演示拉到了产品层。搁在以前，语音助手基本只有两种存在形式：手机出厂自带的固定功能，或者大厂实验室里的 Demo；现在任何团队都能给自己的 App 接上一个会听、会接话、能调工具的语音前端。短期看，客服和陪伴类应用会最先用上；再往后是车载、教育和无障碍——这些本来就被「打字门槛」挡住的人群，可能比谁都更需要一个能直接对话的入口。 04AI VOICE · 04编辑观察 真人感语音对话不再是 ChatGPT 独享。开放 API 之后，语音交互的门槛从高高在上的自研能力，降到了一次接口调用，中小团队也能给自己的产品加上「会接话」的声音。 但要冷静看这件事。按分钟计费、依赖后端旗舰模型、真人感背后是成本和延迟的权衡——当年 1-800-ChatGPT 是用免费通话换流量，现在 API 按分钟收费，商业模式正从补贴走向变现。语音越像人，背后的账单就越真实。 当所有 App 都能拥有「打给 ChatGPT 的那个声音」，语音助手的同质化会来得更快，最终的差异会落在后端接的模型质量和场景理解上，而不是「能不能说话」。你愿意为「会打断、能接话」的 App 语音助手，按分钟付多少钱？ 出品 · 氪獭新知 · AI资讯 NO.029