GPT-Live-1 vs Breeze TTS 2：你无法发布的开放权重语音领导者

Breeze TTS 2 是 Artificial Analysis 的 Provider Voices Speech Arena 上评分最高的开放权重文本转语音模型，拥有 1,205 Elo，在超过一百个已评分系统中总排名第七——领先于所有会公开权重的商业授权引擎。其权重自 2026 年 8 月 25 日起即可下载。同时，根据这些权重所附带的许可证，它无法用于产品中。GPT-Live-1 则在每个维度上都是相反的取舍：闭源、托管，自 2026 年 9 月 10 日登陆 OpenAI 的开发者 API 以来，按每分钟语音 0.05 美元计费，并且是两者中唯一能听到来电者打断自己的那个。

把这两句话并排放在一起，对比就会比大多数模型对决更快地见分晓。这不是一场争论谁合成语音更出色的较量。这是一场争论：你买到的是一个声音，还是一场对话；以及“开放”是否真的意味着你所以为的意思。

它们不是同一种东西，而这正是关键所在

Breeze TTS 2 来自一家名为 BreezeBlue、约十五人的初创公司，是一个拥有 30 亿参数的文本转语音模型。输入文本，输出音频。它什么也听不见。它对一轮对话该在何时结束没有任何看法，因为它根本没有“轮次”的概念。通过 WebSocket 流式传输时，它会在你的文本还没生成完就开始输出音频，这对于让语音智能体保持紧凑的节奏确实很有用——但何时开口说话，是由写出这段文本的东西决定的。

GPT-Live-1 是一款全双工语音到语音模型。音频和文本输入，音频和文本输出；模型每秒会多次决定是继续聆听、暂停、接过话轮，还是让出话轮。OpenAI 自家的 Full Duplex Bench v1.5 数据随此次发布一并公布，且未在公司外部复现，其交互性得分为 80.1%，而 GPT-Realtime-2.1 为 45.4%；话轮转换延迟为 0.798 秒，对比后者为 1.41 秒。

这种不对称并不是对 Breeze TTS 2 的贬低。它是在提醒你，二者在技术栈中各自应处于什么位置。如果你正在构建一条级联流程——语音识别输送给语言模型，语言模型再输送给合成器——那么 Breeze TTS 2 是最后三分之一环节的候选。如果你购买的是 GPT-Live-1，你买下的是整个闭环，并随之把轮流发言逻辑也交了出去。

逐个维度

• 交互模式 — GPT-Live-1：全双工、原生打断、边说边听，对比 Breeze TTS 2：流式文本转语音，完全没有音频输入

• 权重 — GPT-Live-1：闭源，仅提供托管服务，只有一个模型 ID，且没有带日期的快照版本；相比之下，Breeze TTS 2：自 2026 年 8 月 25 日起在 Hugging Face 上提供 30 亿参数，PyTorch 推理代码采用 Apache-2.0 许可

• 许可 — GPT-Live-1：通过 OpenAI 的 API 提供商业条款，无需审查；而 Breeze TTS 2：一份涵盖权重、微调、LoRA、合并、量化及自托管输出的研究与非商业许可

• 价格单位 — GPT-Live-1：每语音分钟 $0.05，按秒计费，推理后端单独计量；相比之下 Breeze TTS 2：在托管端点上每百万字符 $34，在最高公开套餐下递减至 $28

• 质量证据 — GPT-Live-1：在 Artificial Analysis 语音到语音指数上达到 70.3%，在十四个获得评分的模型中并列第六；相比之下，Breeze TTS 2 在 Provider Voices 竞技场中取得 1,205 Elo，总排名第七，并在开放权重模型中排名第一，据 Artificial Analysis 称

• 语言 — GPT-Live-1：发布报道一致指出，其在主要语言之外的流利度参差不齐；相比之下 Breeze TTS 2：厂商声称支持 50 种语言，而模型卡仅标注了英语和中文

• 语音控制 — GPT-Live-1：十二种 API 音色，语气和语速由提示词控制，完全不支持克隆；而 Breeze TTS 2 则支持：参考音频克隆、无参考音频的语音设计、语音指导，以及内联人声事件

• 吞吐量 — GPT-Live-1：按并发会话计量，层级1上限为25，层级5上限为500，且无免费层级；对比 Breeze TTS 2：根据 Artificial Analysis 的测量，大约每秒45个字符，这比几个商业竞争对手慢，并且对长篇幅工作很重要。

许可证干的活比排行榜更多

BreezeBlue 自家的模型卡在这一点上异常直白，这对公司来说值得称赞。推理代码采用 Apache-2.0 许可。权重以及你通过自行托管它们所生成的任何输出，均限于研究用途；商业部署则需要付费的托管订阅或书面授权。该限制明确延伸至衍生模型、LoRA、合并模型和量化模型——这就堵住了人们通常会钻的空子。

所以，“开放权重领军者”这一说法需要一个新闻标题很少会带上的限定条件。Breeze TTS 2 的开放，是指你可以下载它、检查它、对它做基准测试，并在自己的硬件上运行它进行评估。它的不开放，则是指它不能让一家初创公司在不向 BreezeBlue 付费或不做法律审查的情况下，基于它构建产品。人们说开放权重时通常指的三件事里，有两件——可验证性和成本——你能得到。第三件——自由发布——你得不到。

这与像 GPT-Live-1 这样的模型有着真正的区别：在那种模型里，许可问题不是“我可不可以”，而是“多少钱”。两者最终都会带来一笔账单。只不过其中一个会先以一份律师意见收场。

这两个价格单位无法比较，以下是算术计算。

每分钟 $0.05 和每百万字符 $34 看起来像是活在两个不同的宇宙里——因为它们确实如此。要想比较两者，你必须先做换算。语音的速度大约是每分钟 150 个词，而英语在计入空格后平均每个词约为五个半字符，所以一分钟的语音输出大约是 800 到 900 个字符。按 Breeze TTS 2 每百万字符 $34 的价格，这相当于每分钟约三美分的合成成本——单就原始语音而言，比 GPT-Live-1 的五美分更便宜。

对比在紧接着的下一刻就站不住脚了，因为 GPT-Live-1 的五美分里包含了聆听。它同时还在转写来电者的话、判断话轮何时结束，并处理打断——这些工作级联方案得从别处花钱买来：一个语音识别模型、一个话轮检测模型，以及一个用来生成 Breeze TTS 2 将要朗读的文本的语言模型。把这些都算进去，级联合成那三美分的成本，就落在一张通常比端到端模型更贵的账单之下了。

诚实的总结是：更便宜的语音是 Breeze TTS 2，更便宜的对话是 GPT-Live-1，而这两种说法之间的差异，正是语音智能体实际成本的全部所在。

他们实际会相遇的地方

如今，一支正在打造电话代理、又不愿绑定某一家供应商端到端技术栈的团队，恰好会搭出这样一条级联：用 Breeze TTS 2 或同类引擎当嘴，用别的东西当耳朵，再用一个经过路由的语言模型来思考。这三者中的最后一环，是最常发生变化的部分——它的质量提升最快，成本波动最大，而且这一季度胜出的模型，很少也是下一季度胜出的那个。

那一层是普通的 API 调用，也是这套技术栈中唯一值得保持可移植的部分。大约来自十一家上游提供商的 190 个模型以提供商标价、零加价的方式，统一通过一个 OrcaRouter 密钥访问，因此更换语音代理背后的推理模型只是一项配置变更，而不是一个集成项目；自动故障转移还能避免后端超时导致通话中断。GPT-Live-1 的 Live Sessions 端点和 Breeze TTS 2 的托管 API 都无法通过这种方式访问——本次对比中的语音层不在路由层的覆盖范围内，这一点值得说清楚，而不应暗示并非如此。

该选哪一个

如果对话本身就是产品，并且你能接受托管、封闭的前端，那就选择 GPT-Live-1。预订热线、一线支持，以及任何来电者打断座席属于常态而非例外的情况。你购买的是打断处理能力，而且是以按分钟计费、保持可预测的价格购买，而背后的推理部分才是由你来调优的。

如果你需要一个可以检查的语音，如果你正在打造一款产品、而语音合成只是其中众多组件之一，或者你需要 GPT-Live-1 完全不提供的克隆和语音设计功能，那就选择 Breeze TTS 2。事先要明白：这些权重仅供研究使用；50 种语言的说法属于厂商宣称，而对应的模型卡上标注的却只有两种语言；延迟数据是 BreezeBlue 自己在预热快速路径上的测量结果，而非独立审计。

把这件事当作一场质量竞赛，是一种错误的本能。Breeze TTS 2 在它所竞争的榜单上接近顶端，而 GPT-Live-1 完全是在另一个榜单上竞争。真正花钱的决定，是两者之下的那个决定：由哪个模型来思考，以及你是否能在一个下午之内改变主意。