OpenAI发布了GPT-Live，这是一款第三代语音系统，通过采用能够同时听和说的全双工模型，消除了传统的转接器。这种架构允许更即时和自然的对话，同时通过针对实时性能优化的新系统设计保持低延迟。

  • 系统将传入音频流式传输到语音模型中，并将输出语音返回给用户，通过GPT-5.5等前沿模型在单独的异步路径上处理更深层次的推理或工具使用。
  • 媒体流与应用逻辑通过专用的快速路径分离，推理逻辑用Go编写以提高帧交付的平滑度。
  • 无缝交接机制允许动态上下文压缩和模型实例转换，而不会中断媒体循环。
  • WebRTC Abridged Roundtrip Protocol (WARP) 将启动网络往返次数从六次减少到一次。

这一基础支撑了ChatGPT Voice中的功能，包括桌面应用中的计算机控制和代理协调，确保应用程序定制不会影响实时媒体路径的响应性。