GPT-Live 底層拆解：OpenAI 如何讓 95% 的音頻幀不再延遲
重點摘要
通過重寫 Python、魔改 WebRTC 握手，GPT-Live 讓Agent從單向對話進入「實時交互」時代。 作者丨鄭佳美 編輯丨岑 峰 在實時語音交互中，延遲是唯一的“死線”。文字回答慢幾百毫秒，用戶頂多覺得體驗不佳；但音頻只要卡頓一次，那種“非人”的割裂感就會瞬間摧毀信任。為了解決這個工程頑疾，OpenAI 耗時 6 個月重做了整個語音系統。
通過重寫 Python、魔改 WebRTC 握手，GPT-Live 讓Agent從單向對話進入「實時交互」時代。
作者丨鄭佳美 編輯丨岑 峰 在實時語音交互中，延遲是唯一的“死線”。
文字回答慢幾百毫秒，用戶頂多覺得體驗不佳；但音頻只要卡頓一次，那種“非人”的割裂感就會瞬間摧毀信任。
為了解決這個工程頑疾，OpenAI 耗時 6 個月重做了整個語音系統。
剛剛，OpenAI 發佈了一篇 GPT-Live 工程文章，詳細披露了新版 ChatGPT 語音系統背後的架構改造。
其中最值得注意的一組數據是：新的媒體系統，其 p95 音頻幀延遲已經降到了舊系統 p50 的水平。
這意味著，新系統中最慢的 95% 的音頻幀，現在都能跑得和舊系統中最快的 50% 音頻幀一樣的順滑。
雖然 OpenAI 沒有公佈具體毫秒數，但這個結果說明，改造主要壓縮了那些偶發但明顯的慢幀。
現在的 GPT-Live 不再等待用戶說完一句話再開始工作，而是讓聲音持續進入模型，模型生成的語音也持續返回用戶。
Related
相關文章
AI辦公尚未決出勝負，打工人先給大廠交了1500“首付”
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
AI應用出海，下半場拼什麼？
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
阿里全新一代視頻生成模型 Wan3.0 公測：單次生成能 30 秒，號稱萬物皆可生視頻
首頁 > 智能時代>人工智能 阿里全新一代視頻生成模型 Wan3.0 公測：單次生成能 30 秒，號稱萬物皆可生視頻 2026/8/6 20:33:07 來源：IT之家 作者：清源 責編：清源 評論： 感謝IT之家網友 GreatMOLA、華南吳彥祖 的線索投遞！ IT之家 8 月 6 日消息，“阿里雲”公眾號今天（6 日）晚間宣佈，全新一代視頻生成模型 Wan3.0 開啟公測。Wan3.
年薪千萬不如估值百億，AI大神“看不上”大廠
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
關於視頻生成的「應用會不會被模型吞掉」，答案可能比「不會」更危險
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
Anthropic回應造芯，327萬年薪招攬芯片工程師
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。