GPT-Live-1 vs Eleven v4：計費單位先於語音決定

將GPT-Live-1與Eleven v4並排比較，你最先遇到的差異不是基準測試，而是計價單位。GPT-Live-1 按工作階段開啟的每一分鐘收取 $0.05。Eleven v4 則按代理實際說出的每一千個字元收取 $0.08。一個計價器跟著時鐘跑，另一個跟著腳本跑；而在任一模型發出任何一個音節之前，你該買哪一個就已由此決定。

這種區別在大多數比較中都會消失無蹤，那些比較往往把語音對語音的指標擺在文字轉語音的 Elo 分數旁邊，然後就稱之為正面對決。其實不然。以下是這兩種產品實際上究竟是什麼、現有的數字能告訴你什麼、不能告訴你什麼，以及那套算術如何為客服專線、有聲書，還有介於兩者之間的棘手案例給出答案。

兩個產品，兩項任務

GPT-Live-1 是 OpenAI 的全雙工語音模型，自 2026 年 9 月 10 日起於 API 上提供。它在說話的同時持續聆聽，每秒多次判斷是否讓出發言權，並在問題需要推理時將其委派給另一個文字模型。它只有一個端點 —— v1/live/sessions —— 並沒有 Chat Completions 或 Realtime 介面，這意味著它不是一個能直接替換進既有 Realtime 整合中的模型 ID；它是一個由你開啟的工作階段。

Eleven v4 是一款文字轉語音模型，於 2026 年 9 月 28 日與低延遲的 v4 Turbo 一同發布。你給它文字，它就會以超過 90 種語言中的任一種回傳音訊，具備 10 秒即時聲音複製、用於情緒與節奏的行內音訊標籤，以及 10,000 字元的請求上限。它沒有耳朵。它聽不到來電者的聲音，察覺不到對方打斷了它，也無法因為句子收尾得不好就決定停下來。

那種不對稱正是整件事的關鍵。以 Eleven v4 打造的語音代理是一條管線：轉錄、思考、發聲。以 GPT-Live-1 打造的語音代理則是一個模型，外加一個文字模型作為顧問。管線式架構更便宜，也更容易控制。端到端模型更自然，而且更難被打斷。這些是針對不同場域的不同產品，而不是同一款產品的競爭實作。

排行榜能誠實地說出什麼

沒有單一排行榜能讓這兩者同場競技，任何人拿給你看的單一榜單，都是在比較不同基準的分數。在 Artificial Analysis 的 Provider Voice Arena——原生語音、盲測偏好，資料擷取於 2026 年 10 月 29 日——Eleven v4 以 1334 Elo 位居全場第二，v4 Turbo 則以 1336 拿下第一。沒有人質疑其語音品質卓越：在該實驗室的測量中，發音穩健度達 91.7%，是發表時主要商業模型中最強的。

GPT-Live-1 完全未出現在該排行榜上，因為它並非以該排行榜所衡量的那種意義生成文字轉語音。它出現在 Speech Agent Arena，該排行榜以盲測偏好為完整的訂位式對話評分。在该榜上，GPT-Live-1（Astra，medium）以 1037 Elo 位居其中，任務成功率為 87.4%，而 Sol-low 配置則為 1041、90.9%。在 Speech-to-Speech Index（推理、代理式效能、競技場偏好與任務成功率的加權混合指標）上，它得分 83.2，在 21 個受評模型中排名第二。

真正成立的比較，是 GPT-Live-1 對上 Eleven 的對話式產品，而不是它的 TTS 模型。在同一個競技場上，Eleven Realtime v1 Max 得分 1003，任務成功率 87.1%；ElevenLabs Agents 預設串聯式架構得分 989，成功率 90.5%。因此，端到端模型領先即時替代方案約 35–50 Elo，而串聯式代理堆疊低約 50 分，但成功率高一點。這些數字足夠接近，單一部署的電話系統、提示設計與背景噪音將決定結果，而不是排行榜。

再補一個誠實的但書：GPT-Live-1 的數據帶有配置標籤。它的推理是由一個具名後端執行，而 Astra-medium 與 Sol-low 配置的得分不同，因為它們的委派方式不同。Eleven 的數字則改帶產品標籤。兩者都不是針對彼此所做的對照實驗。

三分鐘通話裡的算術

設想一通進線客服電話，客服每分鐘說 900 個字——明快但尋常的語速——而來電者在這三分鐘內大約佔了 40% 的發話時間。

• GPT-Live-1 — 三分鐘以每分鐘 $0.05 計算，共計 $0.15，另加後端文字模型，用於處理通話所需的任何推理。每分鐘：$0.050。

• Eleven v4 — 代理人大約會說 1,620 個字元，因此 1.62 × $0.08 = $0.13，再加上轉錄和你自己的語言模型。每分鐘：在計入 STT 和 LLM 之前約為 $0.043。

• Eleven v4 Turbo — 同樣的 1,620 字元，以每千字 $0.04 計：$0.065，亦即未計 STT 與 LLM 成本前，每分鐘約 $0.022。

Turbo 比 GPT-Live-1 便宜，即使把語音轉文字的環節和一個 modest（規模不大）的語言模型加進去也一樣，這就是為什麼這種串接方案在成本審查中總是勝出。但只要來電者說得比客服人員多，比較的態勢就立刻改變。人類獨白的每一秒，都是 Eleven v4 不收費、而 GPT-Live-1 按全額費率計費的一秒——包括有人照著卡片念保單號碼時的沉默，也包括你的後端在思考時的通話保留時間。

那不是四捨五入造成的差異。在一通客服人員有 30% 時間發言的通話中，TTS 帳單下降三分之二，而按分鐘計費的帳單卻完全不動。固定分鐘計費是在賭你的來電者會開口說話，而當他們真的開口時，這筆賭注就正好回本。

四十分鐘旁白裡的算術

現在換到有聲書章節，同樣這兩個模型——36,000 個字元、單一講者、沒有中斷、不進行推理，且要求輸出必須具確定性。

• Eleven v4 — 整章 36 × $0.08 = $2.88，而若發音有誤，只要九美分就能重新生成單一段落。

• GPT-Live-1 — 40 分鐘，每分鐘 $0.05，共 $2.00；而且你無法重新生成某個段落，因為工作的單位是一場即時工作階段，而非一段文字。

GPT-Live-1 看起來更便宜，但它是錯誤的工具。它沒有記載任何方法可以接收 36,000 字元的腳本並回傳確定性的檔案；它是一個對話介面，而與一本書對話並不是旁白。對這一列的中肯結論不是「Live 成本較低」，而是「這個模型不做這項工作」。

按分鐘計價模式真正值得其溢價的地方

有三種情況足以說明這麼做有其道理，而它們有個共同點：人類掌控發言時間的長短難以預測。

• 打斷頻繁的受理情境——保險理賠、臨床檢傷分類，以及任何來電者講到一半又自我更正的狀況。串接式架構必須偵測到打斷、停止播放並重新進入迴圈；GPT-Live-1 已在聆聽。

• 預訂與派工——對話輪次短、來回頻繁、大量工具呼叫。OpenAI 自家數據宣稱此模型在工具呼叫上達到 87% 準確率，相較於它所取代的 Realtime 世代僅 60%；而這些數字都是廠商自行呈報，並非經獨立重現驗證。

• 凡是延遲就是產品本身的地方——0.8 秒的一輪對話對上 1.4 秒的一輪對話，就是對話與對講機的差別。同樣是廠商回報的數據。

而有三種情況反對它：

• 旁白、朗讀、有聲書、影片配音——輸入文字，輸出檔案，無需人耳監聽。

• 品牌語音 — Eleven v4 的聲音複製是一項產品功能，但附帶需重新訓練的條件；GPT-Live-1 採用固定的模型語音，因此「{{1}}我們創辦人的聲音{{/1}}」並不在選項之中。

• 漫長的沉默——等候音樂、靜音的通話線路、客服人員苦苦等待龜速的後端系統。這每一秒都在計費。

遷移也不是對稱的。

從 v3 升級到 Eleven v4 除了是模型 ID 的變更，還附帶一個但書：既有的複製語音需要重新訓練，而且 SSML 已被行內音訊標籤取代，因此任何會產生 SSML 的東西都必須改寫。雖然麻煩，但影響範圍僅限於你的 TTS 層。

從 Realtime 整合遷移到 GPT-Live-1 等於是一次重建。不同的端點、不同的工作階段語意、不同的計費單位，而且沒有相容性墊片。請把預算編列在協調層上，而不只是替換本身——另外要注意，大多數第三方語音代理平台仍未將 GPT-Live-1 列為可選的供應商，因此你很可能得自己撰寫電話語音的黏合程式碼。

這項決定有哪些路由變更？

無論你選擇哪一條路徑，這項決策並非在整個技術堆疊上全有或全無。語音層是唯一仍屬廠商專屬的部分：OrcaRouter 不提供 GPT-Live-1，而像 Eleven v4 這樣的語音合成模型，無論在哪裡購買，都是另外的合約。語音層背後的部分則是另一回事——推理呼叫、工具呼叫模型，以及供應商服務降級時的備援路徑，全都透過 OrcaRouter 的一把金鑰運行，涵蓋 200 多個模型，包括 GPT-6 Astra，GPT-5.6 Terra 與 GPT-5.6 Sol，也就是 GPT-Live-1 所委派的層級。

這種拆分是這項比較的實用版本。向本季擁有最佳耳朵的一方租用耳朵，並讓大腦保持可路由，這樣一來，降價、故障或更好的模型都不需要動到使用者聽得見的那部分。供應商牌價以 0% 加成原價轉嫁，因此推理層的廠商降價，會在宣布當天就反映在你的帳單上。

依對話的形態來選擇

如果你的使用者會打斷、自我修正，並期待代理知道何時該停止說話，那麼每分鐘 0.05 美元的 GPT-Live-1 是更好的產品，而且可能是更划算的選擇——這份溢價換來的是管線流程無論如何都無法提供的行為表現。如果你的使用者是在聽而不是在說，Eleven v4 或 v4 Turbo 每交付一個字更便宜、更可控、可克隆以符合你的品牌，而且是正確答案；1334 的 Elo 則是額外的加分。

要避免的失敗模式，就是憑排行榜名次來做挑選。v4 的 1334 與 Live 的 83.2 衡量的是不同的事物、不同的尺度；團隊若靠這兩個數字在兩者之間取捨，就等於在尺與溫度計之間做選擇。