Bài viết này do AI tạo ra, có thể mắc sai sót.
GPT-Live-1 được thiết kế để nghe và nói đồng thời, xử lý ngắt lời, khoảng lặng và tiếng ồn nền tự nhiên hơn kiến trúc ghép speech-to-text, LLM rồi text-to-speech. OpenAI mô tả model vẫn cung cấp transcript ASR, response text và turn detection để đội kỹ thuật không phải bỏ hẳn các ranh giới turn quen thuộc.
Model voice có thể chuyển reasoning sâu và tool call sang backend text model hoặc model bên thứ ba. Cách tách này cho phép kiến trúc chọn model nhanh, rẻ cho tác vụ lịch hẹn/tra cứu và model mạnh hơn cho tình huống cần suy luận, thay vì ép mọi tương tác đi qua cùng một mức chi phí.
Trong đánh giá của hãng, GPT-Live-1 tăng 30 điểm phần trăm trên Full Duplex Bench so với GPT-Realtime-2.1. OpenAI cũng cho biết Speak ghi nhận giảm gần 80% số lần ngắt lời so với hệ turn-based trước đó. Đây là số liệu do nhà cung cấp công bố, không phải benchmark độc lập; hiệu quả production sẽ phụ thuộc âm học, prompt, tool latency, telecom stack và guardrail.
Các điểm OpenAI nhấn mạnh gồm telephony, quản lý silence/background noise, điều khiển tone/pace/style qua system prompt và độ ổn định phiên dài. Các ứng dụng hỗ trợ khách hàng cần đặc biệt kiểm tra escalation, xác thực danh tính, logging, redaction dữ liệu và hành vi khi tool timeout trước khi nối model vào hệ thống thật.
GPT-Live-1 có giá 0,05 USD mỗi phút cho front-end voice layer. Tổng chi phí còn cộng backend model, tool execution, hạ tầng audio/telephony và observability. Voice options, ngôn ngữ và custom voice có điều kiện khả dụng riêng; custom voice yêu cầu liên hệ sales theo công bố.
Điểm quan trọng không phải chỉ là giọng nói tự nhiên hơn, mà là giảm số điểm chuyển giao trong voice stack. Mỗi handoff STT–LLM–TTS thêm latency và dễ làm hỏng nhịp hội thoại. Full-duplex giúp UX tốt hơn, nhưng cũng khiến vận hành khó hơn: agent có thể vừa nói vừa nghe, nên policy ngắt lời, tool confirmation và human handoff phải được thiết kế rõ. Giá theo phút buộc đội triển khai đo thời lượng hội thoại thật, không chỉ token.
Voice agent đang dịch từ demo “hỏi rồi đáp” sang tác nhân thời gian thực dùng tool. API mới tạo thêm lựa chọn kiến trúc, nhưng quyết định triển khai vẫn phải dựa vào benchmark nội bộ, ràng buộc dữ liệu và chi phí end-to-end.
OpenAI, 10/09/2026: Build more natural voice experiences with GPT-Live-1 in the API.
