当性能至关重要时，你如何优化 AI？你又如何应用 AI 让性能比以往更好（也更轻松）？这正是 30K 名工程师 将在 P99 CONF 上探讨的内容。以下是你可以期待的演讲预览：Lovable 的 Sandboxmaxxing：每个提示在不到 1 秒内获得一个沙盒；自主性能代理：一个 Netflix 制作故事；为 AI 代理构建极速开源基础设施的经验教训；给代理一个集群：大规模性能工程中的有效 AI；为 AI 工作负载管理 5000 亿+ 文件；如何使用 AI 改进你的缓存算法。获取你的免费门票。额外福利：注册者可立即获得 O'Reilly 完整图书馆的 30 天访问权限，参会者可以参与抽奖，赢取 500 份免费周边礼包 中的 1 份。

如果你以前使用过语音助手，你可能经历过意外的打断。你和系统说话，而当你短暂停顿以思考合适的词时，它就开始说话了。然后你打断它，以便继续。这是一种常见的挫败感，因为大多数语音模型要么能听，要么能说，但不能同时进行。

更新的语音模型，比如 OpenAI 的 GPT-Live-1，通过同时听和说来改变这一点。模型不断决定它应该保持安静、打断，还是开始说话。这让对话感觉更自然，减少了无意的打断。在底层，这些系统将新一代语音模型架构与针对低延迟优化的服务系统结合在一起。为了端到端地理解这一切如何运作，我们见到了 GPT Voice 团队 的工程师 Zahan Malkani 和 Justin Uberti（他创建了 WebRTC）。我们感谢他们两位与我们分享细节。

在本文中，你将了解：语音系统的三代演进，包括级联流水线、基于轮次的端到端模型和全双工模型；将思考与说话分离，这是 GPT-Live 背后的核心思想；服务系统背后的工程，包括实时路径和异步路径；全双工语音系统中的评估有何不同；以及构建实时系统的工程经验，以及语音的下一步。

关键实体：公司：OpenAI、ByteByteGo、Lovable、Netflix、O'Reilly、Lang Chain | 人物：Zahan Malkani、Justin Uberti

FAQ：GPT-Live 背后的核心思想是什么？

将思考与说话分离。

FAQ 问：GPT-Live 背后的核心思想是什么？

FAQ 答：将思考与说话分离。