AREX Feed Article
OpenAI 开发者账号宣布 GPT-Live-1 应用声音定制：提示词塑声，新增九款五语种母语演员预置音色
北京时间 10 月 17 日凌晨 1 时 08 分（10 月 16 日 17:08 UTC），OpenAI 面向开发者的官方 X 账号 @OpenAIDevs ：用 GPT-Live-1 构建应用的开发者，现在可以用两种方式给应用配上合适的声音——用提示词（prompt）塑造声音，或从九款新增的国际预置音色（international preset voices）中选择；这九款预置音色由法语、德语、印地语、日语、韩语五种语言的母语演员（native-speaking actors）录制。
公告由两条帖文组成：主帖附带一段演示视频，封面文字为 “Voice creation with GPT-Live”；补充了预置音色的来源，并附上指南链接。截至本文写作（10 月 17 日），主帖获得 541 个点赞、47 条回复和约 2.8 万次浏览。
两条路线：提示词塑声，或国际预置音色
@OpenAIDevs 是 OpenAI 的企业认证账号，账号简介称发布面向 “Codex 与 OpenAI 平台” 开发者的官方更新。主帖开头写道：“在用 GPT-Live-1 构建应用？给它们配上一个合适的声音。”在帖文给出的两条路线里，“提示词塑声” 是用一段文字描述来定义应用的声音，“国际预置音色” 则是从现成选项中挑选。对第二种路线，在主帖回复里写出了实际处境：他处理的来电约有一半用户不是英语母语者，“口音本身就决定了他们是否信任这个代理”。
预置音色的名称与定价，帖文没有说
两条帖文都没有列出九款预置音色的名称，没有提到定价，也没有提及 GPT-Live-1.1。主帖把对象限定为 “用 GPT-Live-1 构建应用的开发者”，至于这些预置音色是否会出现在文本转语音等其他接口上，帖文未置一词。
链接的指南：声音在创建会话时接入 gpt-live-1
跟帖链接的入门指南是。截至 10 月 17 日能访问到的页面正文，记录的是两件事。
一是自定义声音（custom voices）的创建：需要两段录音——声音所有者朗读指定语句的同意录音（consent recording），以及供模型模仿的样本录音（sample recording），两段必须来自同一个人；样本不超过 30 秒，支持 mpeg、wav、ogg、aac、flac、webm、mp4 格式；每个组织最多创建 20 个声音；页面同时注明该功能 “仅限符合条件的客户”，需联系销售开通。接入 GPT-Live 时，样本需要至少 5 秒实际语音、至少 15 个转写文本词元，推荐 10～30 秒、含多个完整句子的录音，单次上传不超过 10 MiB。
二是接入方式：声音在创建会话时通过 audio.output.voice 参数指定，自定义声音传对象（如 {"id": "voice_123"}），命名声音传字符串（页面举的例子是 "marin"）；gpt-live-1 支持自定义声音搭配英语口音，口音写在 session.instructions 里，页面示例是 “Speak British English”（说英式英语）或 “Speak Irish English”（说爱尔兰英语）。要更换声音，需要新开一个会话。权限上，使用声音需要 api.voices.read，创建同意与声音需要 api.voices.write，并要求使用同一项目的密钥。配置在 WebRTC 下放进 session 字段，在 WebSockets 下放进首个 session.start 事件。页面开头还说明，这类自定义声音可用于文本转语音 API、Realtime API 和带音频输出的 Chat Completions。
这一页没有列出九款国际预置音色的清单，也没有给出 “提示词塑声” 的创建流程——公告与指南之间这层差距，目前只能以帖文口径为准。
GPT-Live-1 是什么：全双工语音模型，按秒计费
对 gpt-live-1 的描述是：全双工（full duplex）语音模型，可以边听边说，支持平滑打断，并把推理和工具使用委托给后端代理。语音会话每分钟 0.05 美元，按秒计费、不足一分钟不向上取整；后端模型和工具的用量单独计费。速率限制按并发会话计算：Free 档不支持，Build 档 50，Launch 档 300，Grow 档 500。
解释了它的结构：GPT-Live 负责对话本身，开发者用一段简短提示词约定对话风格，以及什么时候向后端求助；后端处理被委托的任务，可以是 OpenAI 托管的 Responses 模型，也可以是应用自己接入的任意模型或代理。连接方式有三种：浏览器应用用 WebRTC，服务端集成用 WebSockets，电话接入走 Telephony 与 SIP；LiveKit、Twilio、Telnyx、Daily/Pipecat 已有官方对接文档。这次的声音定制，作用在 GPT-Live 负责的 “开口说话” 这一环。
回复区：一致性、中途换声与 API 覆盖
帖文发出后，回复里很快出现几类技术追问。
一类是声音能不能保持。Jess（）问：用提示词塑造的声音能否在工具调用之间保持，还是会在对话中途弹回预置音色； 问得更直接：跨会话还一致吗，还是每次调用都有些变化。
另一类是能不能中途换声。Jeremy Bosma（）问能否在对话进行中调整声音。这个问题在指南里有现成答案：声音在创建会话时选定，更换需要新开会话。
覆盖面也有追问。Michael Kaiser（）问 “德语音色也会进 API 吗”；Sebastián（）直接要时间表：“我需要在 API 里用 GPT-Live-1.1”。用中文提问的赛博吴同学（）写道：“……国际预设省事，但中文一开口会不会立刻露馅，这才是我关心的。”
反馈并非全是好奇。max（）在回复中写道 “指令遵循并不好”，并抱怨把现有的单条提示词拆分之后，“没有任何东西表现得和原来一样”，逐条重新调优 “每个提示词都要花上好几天的人工修改和 QA”。
回复区里悬而未决的，是提示词定下的声音能否在长对话、多轮工具调用之间保持一致。截至本文写作，公告帖文与指南都没有给出答案。