08-24
拆解 GPT-Live：流式全双工语音架构，把启动从六次往返压到一次
GPT-Live 用流式全双工语音模型取代了轮次制语音架构：轮次检测器被移出音频路径，模型可以同时听和说，需要深入推理或工具调用时再异步委派给 GPT-5.5。工程层面的关键动作包括：用 Go 重写媒体前端和推理逻辑，p95 帧传送延迟追平旧系统 p50；构造跨模型实例的有状态交接机制，让上下文压缩以受控切换的方式进行，不打断媒体流；提出 WARP 协议族把 WebRTC 会话启动从六次网络往返降到一次，并用 Instant Connect 把 SDP 信令移出关键路径，客户端发一个 UDP 包即可开聊。静默测试发现真实负载下 CPU 流处理比 GPU 推理更早饱和，容量应按可维持的并发会话数而非推理吞吐衡量。适合正在构建实时语音或智能体交互系统的工程师。