OpenAI 公开 GPT-Live 语音架构:砍掉“轮到你了”检测器,让模型边听边说
How we built a realtime system for responsive voice AI in six months
OpenAI 在 8 月 3 号发了篇工程博文,解释 GPT-Live 怎么做到实时语音对话。核心改动是把旧架构里那个负责判断“用户说完了没”的小模型(turn detector)从音频链路里拿掉了,换成全双工模型,能同时听和说。这解决了以前小模型猜早了抢话、猜晚了反应慢的问题,让大模型直接处理音频流,对话节奏更自然。
推荐理由:OpenAI 公开 GPT-Live 实时语音架构,把判断用户是否说完的检测器从音频链路移除,改由全双工模型同时听和说,实时语音对话在响应节奏上的架构取舍由此展开。