# 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

> 原标题：How we built a realtime system for responsive voice AI in six months

- 来源：OpenAI News
- 发布时间：2026-08-03T07:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48570
- 原文：https://openai.com/index/continuous-voice-interaction-with-gpt-live

## 摘要

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。

## 锐评

砍掉 turn detector 这个方向是对的。以前那套半双工，抢话和反应慢是同一个问题的两面，小模型猜早了就打断你，猜晚了你就得干等，怎么调都是拆东墙补西墙。让大模型直接吃音频流，把判断权收回去，逻辑上顺。

博文里没给延迟和打断准确率，这就有点悬。全双工听着好，代价是模型得一直占着算力听，token 账单和并发成本怎么算，做语音 agent 的心里得有数。
