OpenAI於8月3日發表工程文章，介紹第三代即時語音系統 GPT-Live 的設計。文章指，傳統語音AI多以「偵測使用者說完」作為回合切換，容易在過早打斷與過遲回應之間取捨；GPT-Live則把語音模型置於即時對話核心，採用 full-duplex 設計，讓系統可同時聆聽和發聲，減少獨立turn detector對延遲的影響。

OpenAI表示，GPT-Live把低延遲音訊傳輸與應用邏輯分開處理：音訊在專用media path內持續進出模型，而工具使用、較深入推理或向 GPT-5.5 等frontier models委派的工作，則經由非同步路徑處理。這種架構目標是保持語音串流不中斷，即使後端工具或推理需要較長時間，也不應令對話聲音出現明顯停頓。

文章亦提到，團隊以 Go 重寫部分media frontend及inference邏輯，取代過往 Python asyncio 實作，以改善音訊frame交付的穩定度。對建築、工程和客戶服務場景而言，這類即時語音架構若成熟，可能令現場查詢、維修支援、訓練模擬及多語即時協作工具更接近自然對話；但部署時仍需留意資料保護、錄音同意、可追溯紀錄及高風險指示的人工覆核流程。

資料來源：OpenAI及OpenAI News RSS。完整技術細節以原文為準。