最适合机器人的视频基座模型:被中国团队开源了
2026-07-10
2026-07-11 0
OpenAI 现在拥有两种名称仅一字之差的语音技术,而 7 月 8 日发布的 GPT-Live 公告更是让这种混淆成为了主流。搜索“GPT Live API”,你会跳转到 GPT-Realtime 的文档;阅读发布会的报道,你会发现这两个词经常被混用。但实际上,它们并不是一回事。
一句话区分:GPT-Live 是 ChatGPT 内部的消费者级语音体验。GPT-Realtime 是用于构建自定义语音应用的开发者 API 系列。 以下是全方位的对比,以及如何判断哪一个才是你需要的。
| 特性 | GPT-Live | GPT-Realtime |
|---|---|---|
| 定义 | 驱动 ChatGPT Voice 的语音模型系列 | Realtime API 中的语音到语音(speech-to-speech)模型 |
| 适用人群 | ChatGPT 用户 | 构建语音产品的开发者 |
| 运行平台 | ChatGPT 应用 (iOS, Android, web), CarPlay | 你的应用程序(通过 API 调用) |
| API 访问 | 暂无(OpenAI 表示“即将推出”) | 已全面开放 (GA) |
| 当前模型 | GPT-Live-1, 1 mini, 1 Medium, 1 High | gpt-realtime, gpt-realtime-1.5, gpt-realtime-2.1, 2.1-mini |
| 架构 | 全双工 (Full-duplex) + 后台委派至 GPT-5.5 | 单一语音到语音模型,快速轮次制 (turn-based) |
| 对话风格 | 边说边听,支持反馈音 (backchannels) | 低延迟轮次,具备中断处理能力 |
| 额外功能 | 联网搜索、翻译、视觉卡片、记忆功能 | function calling, MCP servers, SIP 呼叫, 图像输入 |
| 定价 | 未公布(包含在 ChatGPT 订阅层级中) | 已公布:例如 gpt-realtime 输入 $4/M tokens,输出 $16/M tokens |
GPT-Live 是 ChatGPT Voice 的新默认模式:它采用全双工模型,在生成输出的同时处理输入的音频,每秒多次决定是继续说话、倾听、暂停还是中断。当问题需要搜索或更深层的推理时,GPT-Live “可以将任务委派给另一个模型(如 GPT-5.5)”,并将结果无缝织回对话中。
你无法集成 GPT-Live。你只能在 ChatGPT 应用中使用它。付费层级默认使用 GPT-Live-1;免费层级使用 GPT-Live-1 mini。设置指南涵盖了各种变体和平台。
GPT-Realtime 是 OpenAI Realtime API 背后的模型系列:这是你可以通过 WebSocket 或 WebRTC 连接的语音到语音模型,支持用于电话呼叫的 SIP 以及用于工具调用的远程 MCP 服务器。它已全面开放,拥有版本管理,并像 API 产品一样定价。其最新成员 gpt-realtime-2.1 和 2.1-mini 于 2026 年 7 月 6 日发布,就在 GPT-Live 宣布的两天前。
这是我们实战指南所涵盖的技术栈:包括原始的 gpt-realtime 教程、GPT-Realtime-2 以及 GPT-Realtime-2.1-mini。如果你正在基于此进行开发,Apifox 可以直接驱动 WebSocket 会话,将晦涩的实时调试转变为可检查的事件流;你可以免费下载,在几分钟内完成针对 gpt-realtime-2.1 的会话测试。
这两个技术栈正从相反的方向趋同。GPT-Realtime 将语音到语音的延迟降低到了足以支持生产级 Agent 的水平;GPT-Live 则在此基础上增加了全双工层和委派机制,但目前仅限在 ChatGPT 内部使用。从架构上看,GPT-Live 看起来像是 Realtime API 下一代想要达到的目标,而 OpenAI 也表示 GPT-Live 模型“很快”就会加入 API。
在这一天到来之前,实际的对应关系是:
OpenAI 尚未说明 GPT-Live 模型是会加入 Realtime API、取代它,还是作为一个独立的接口出现。其四种变体结构(基于 Instant 和基于 GPT-5.5-Thinking 的两种努力水平)暗示了会话级延迟与深度之间的权衡。对于现在的开发团队来说,最稳妥的做法是在 Realtime API 上编写事件驱动的会话代码,并保持委派逻辑的松耦合;这样无论最终结果是哪一种,都能平滑迁移。
GPT-Live 和 GPT-Realtime 是一样的吗? 不。GPT-Live 为消费者的 ChatGPT Voice 提供动力;GPT-Realtime 是 Realtime API 中的开发者模型系列。
我可以在自己的应用中使用 GPT-Live 吗? 目前还不行。OpenAI 计划“很快”开放 API。目前可用的替代方案是使用 gpt-realtime-2.1 的 Realtime API。
GPT-Realtime 会被 GPT-Live 取代吗? OpenAI 尚未宣布此类消息。GPT-Realtime 仍处于全面开放状态,且在 GPT-Live 发布前两天刚进行了更新,因此目前应假设两者将长期共存。
哪一个功能更强大? 术业有专攻。GPT-Live 在 ChatGPT 内部拥有全双工对话和 GPT-5.5 委派功能;GPT-Realtime 则拥有开发者接口:function calling、MCP、SIP 以及明确的定价。
介绍完上文的内容,我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具,Apifox 是目前提升研发效率的首选。
如果你正在开发项目,不妨试试其极其友好的界面设计,它完全兼容 Postman 和 Swagger 数据格式,导入数据非常方便,,即使是新手也能很快上手,点击这里即可注册使用。

值得一提的是,除了个人和常规团队使用,针对有高安全合规要求、或需要在内网环境协作的企业,Apifox 还提供了深度定制的私有化部署方案。