OpenAI представила GPT-Live — голосовую модель с полнодуплексным взаимодействием

此次推出的 GPT-Live 並非單一模型，而是區分為兩個版本。其中 GPT-Live-1 預設提供 Go、Plus 及 Pro 付費訂閱用戶使用；GPT-Live-1 mini 則開放免費用戶作為預設語音模型。新版已開始陸續推送至全球 Web 版、iOS 及 Android 平台，但先前曾回退新版語音能力的桌面版 ChatGPT，目前仍未重新支援新版語音體驗。 OpenAI 表示，相較於現行 Advanced Voice Mode，GPT-Live 最大的提升並非只有反應速度，而是整體語音交流品質。公司為此建立全新的人工評測體系，針對對話舒適度 (pleasantness) 及整體交流流暢性 (flow of conversation) 進行評估，並安排 5 至 10 分鐘一對一盲測。 測試結果顯示，無論 GPT-Live-1 或 GPT-Live-1 mini，在整體交流體驗 (Overall Preference)、輪流說話自然程度(Turn-taking)、遭使用者打斷後的恢復能力(Interruptions)、對話流暢性(Conversational Flow)，以及整體是否更接近真人交流(Naturalness) 等多項指標，均明顯優於 Advanced Voice Mode，這也是 OpenAI 決定全面取代舊版語音模型的重要原因。 技術方面，GPT-Live 最大的升級在於採用原生全雙工語音架構，突破過去 AI 語音助理普遍採用「你說一句、我答一句」的 Turn-based 模式。新模型可一邊聆聽、一邊理解使用者內容，同時即時準備回應，不必等待完整句子結束才開始辨識，因此能判斷使用者只是短暫停頓思考，或是真正結束發言；若使用者中途插話，模型也能立即停止回答重新傾聽，再自然接續對話，使互動更貼近真人交流。 [...] 除對話體驗提升外，GPT-Live 還新增多項功能，包括即時雙向翻譯 (Live Translation)、更精準的語音聽寫 (Dictation)、更自然的停頓、語調及情緒回饋，並可依照使用者要求即時調整說話速度。例如，當使用者要求「可以說慢一點嗎」，模型會直接重新調整語音節奏，而非僅降低音訊播放速度。 OpenAI 強調，GPT-Live 並非只是新的語音模型，而是整個 ChatGPT 能力體系的統一入口。當使用者提出需要複雜

用户停顿一秒，可能是说完了，也可能只是还在想；用户拖长音，可能是在组织语言，也可能是酝酿情绪；背景里传来别人的声音，可能被误判成新的输入。 回合制语音模型最难处理的，就是这个边界。 GPT-Live通过两项架构上的改进，去解决这个问题。 第一项改进，是把语音对话从“轮流发言”推进到full-duplex。 它可以持续听、持续判断、持续生成语音，而不只是在用户结束发言后才进入回答状态。 或者说，模型在参与一场仍在发生的对话，而不只是回答一个已经结束的问题。 根据官方介绍，GPT-Live每秒可以做出多次交互决策：是继续说话、继续倾听、暂停、打断对方的话语，还是调用某个工具。这让它能够进行更自然的互动交流、更好地把握时间顺序，甚至可以实时翻译。 可以看到，在用户说话的过程中，GPT-Live会给出一些情绪上的回应。就像你和你朋友煲电话粥，总会夹杂着一些“嗯”“哦”的声音。 事实上，GPT-Live并不是第一个尝试全双工架构的语音模型。此前Kyutai的Moshi、英伟达的PersonaPlex，以及一批学术模型，已经在探索让AI同时听和说，处理停顿、插话和短反馈；谷歌的Gemini Live虽然没有强调全双工，但也已经在做实时语音对话和原生音频模型，方向上非常接近。 GPT-Live的不同之处，是把“边听边说”的能力带进了ChatGPT这个主流入口，并且能和OpenAI的其它模型一起配合。 这就要说到第二项改进：语音交互层和后台智能之间的分工。 GPT-Live并不只是一个“更会说话的模型”，它更像ChatGPT的实时语音交互层：负责听、说、等待、打断、判断何时回应，也负责维持对话节奏。 遇到需要搜索、推理或复杂任务的问题时，它可以把任务交给背后的更强模型处理。 [...] 而且你们可能已经注意到了，它只做了纵向比较（和自己以前的模型作对比），横向是一点也没提。 我们无从得知，GPT-Live放到整个语音AI行业里，到底处在什么位置。 网友对此的评价比较两极分化。 一部分人认为，这次更新具有非常大的潜力，如果能用在编程上，或许会改变很多人的习惯。 但也有很多网友认为，GPT-Live这种频频回应的方式有些令人生厌。 还有人指出了它现在的问题，比如在实时模式下无法查询到ChatGPT的记忆，又比如明明是语音功能，却在摄像头模式和屏幕共享模

2026年7月8日 # 推出 GPT‑Live 新一代语音模型，实现更自然的人与 AI 交互，现已应用于 ChatGPT 语音 2026 年 7 月 31 日更新：现在，通过 ChatGPT 语音及 OpenAI API 中的 GPT‑Live 生成的受支持音频，均已加入 SynthID 水印。我们的公开验证工具现已能够检测受支持音频文件中的 OpenAI 内容溯源信号。此外，我们还推出了用于验证的 API 访问权限，以便开发者和组织能够将内容溯源检查整合到各自的工作流中。这些更新建立在下文所述的安全策略之上，并进一步推进了我们在让 OpenAI 生成内容更易于被识别方面所做出的广泛努力。 我们正在推出 GPT‑Live，这是新一代语音模型，让与 AI 交谈更像一场真实对话。 GPT‑Live 基于全双工架构构建，这意味着它可以同时倾听和说话。在对话中，GPT‑Live 可以用“嗯嗯”或“是啊”这样的短语表示它正在专心听，进行快速来回交流，也可以在你需要时间思考时保持安静。由此带来的语音体验令人耳目一新，也更容易交谈。 GPT‑Live 也是我们迄今最智能的语音模型。对于需要网页搜索、更深入推理或更复杂工作的提问，它会在幕后委派给我们最新的前沿模型，并在结果准备好后带回到对话中。在处理这些任务时，GPT‑Live 仍可以继续与你交谈，保持对话流畅。发布时，GPT‑Live 将在后台使用 GPT‑5.5。随着我们发布新的前沿模型，我们会持续更新 GPT‑Live 所使用的模型。 这些进展带来了更智能、更自然易用的全新 ChatGPT 语音体验。我们相信，随着时间推移，这项研究还将让人们能够用语音完成越来越复杂、持续时间更长、也更具智能体特性的工作。 [...] ### 我们的新方法 GPT‑Live 通过两项架构变化解决了这些限制。 ### 连续交互 首先，我们基于全双工架构构建了 GPT‑Live，以支持连续交互。GPT‑Live 不再处理一连串彼此独立的消息，而是在生成输出的同时连续处理输入。因此，模型可以在每秒内多次做出交互决策：是说话、继续倾听、暂停、打断，还是调用工具。 这让模型能够进行更自然的来回交流，更好地把握时间，甚至执行实时翻译。 ### 连续交互 响应快速、自然且富有表现力，倾听也更为积极 ### 委派处理更深入的工作

2026年7月8日 # GPT‑Live 登場 新一代語音模型，帶來自然的人類與 AI 互動，現為 ChatGPT 語音提供核心技術支援。 2026 年 7 月 31 日更新： 由 GPT‑Live 透過 ChatGPT 語音和 OpenAI API 生成的受支援音訊，現已加入 SynthID 浮水印。我們的公開驗證工具現可偵測受支援音訊檔案中的 OpenAI 來源識別訊號。我們亦已開放透過 API 使用驗證功能，讓開發人員和機構可將來源驗證整合至自己的工作流程。這些更新沿用下文所述的安全方針，亦延續我們讓 OpenAI 生成內容更容易識別的整體工作。 我們全新推出 GPT‑Live，這是新一代語音模型，讓與 AI 對話的感覺更接近真正交談。 GPT‑Live 建基於全雙工架構，亦即它可以同時聆聽和說話。在對話期間，GPT‑Live 可以用「嗯嗯」或「對」等語句表示它正在留心聆聽、快速來回交流，或在你需要片刻思考時保持安靜。這帶來令人耳目一新、容易對話的語音體驗。 GPT‑Live 也是我們迄今最智能的語音模型。對於需要網絡搜尋、更深入推理或更複雜工作的問題，它會在幕後委派給我們最新的前沿模型，並在結果準備好後帶回對話中。在工作進行期間，GPT‑Live 可以繼續與你交談，維持對話流暢。推出時，GPT‑Live 會在背景使用 GPT‑5.5。隨着我們推出新的前沿模型，我們會持續更新 GPT‑Live 所使用的模型。 這些進展帶來全新的 ChatGPT 語音體驗，使用起來更智能、更自然。長遠而言，我們相信這項研究也會開啟更多可能性，讓我們以語音處理越來越複雜、耗時更長且更具智能代理能力的工作。 [...] ### 我們的新方法 GPT‑Live 透過兩項架構改變來處理這些限制。 ### 連續互動 首先，我們以全雙工架構建構 GPT‑Live，支援連續互動。GPT‑Live 並非處理一連串分開的訊息，而是在生成輸出的同時持續處理輸入。因此，模型每秒都能多次作出互動決策：是否說話、繼續聆聽、暫停、插話或調用工具。 這讓模型能夠進行更自然的來回互動、更好地掌握時間感，甚至執行即時翻譯。 ### 連續互動 回應快速、自然而且富表現力，同時聆聽更主動 ### 委派更深入的工作 其次，我們將負責連續互動的 GPT‑Live 與更深入的工作分離。當問題

2026年7月8日 # 介紹 GPT‑Live 新一代語音模型，讓人類與 AI 的互動更自然，現已應用於 ChatGPT 語音。 2026 年 7 月 31 日更新：透過 ChatGPT 語音和 OpenAI API 使用 GPT‑Live 生成的受支援音訊，現已加入 SynthID 浮水印。我們的公開驗證工具現在可偵測受支援音訊檔案中的 OpenAI 來源訊號。我們也已開放透過 API 進行驗證，讓開發人員和組織能將來源驗證納入自己的工作流程。這些更新延續下文所述的安全做法，也推進我們更廣泛的相關工作，讓 OpenAI 生成的內容更容易辨識。 我們推出 GPT‑Live，這是新一代語音模型，讓與 AI 對話更接近真人交流。 GPT‑Live 採用全雙工架構，因此能同時聆聽與說話。在對話中，GPT‑Live 可以用「嗯哼」或「對」等語句表示它正在聆聽，也能快速自然地來回對話，或在你需要思考時安靜等待。這讓語音對話體驗更加自然，聊起來格外輕鬆。 GPT‑Live 也是我們迄今最聰明的語音模型。對於需要網路搜尋、更深入推理或更複雜工作的問題，它會在幕後委派給我們最新的前沿模型，等結果準備好後再帶回對話中。在處理工作的同時，GPT‑Live 仍能繼續與你交談，維持對話流暢。推出初期，GPT‑Live 會在背景使用 GPT‑5.5。隨著我們推出新的前沿模型，我們也會持續更新 GPT‑Live 所使用的模型。 這些進展支撐了全新的 ChatGPT 語音體驗，讓使用過程更智慧、更自然。長遠來看，我們相信這項研究也將開啟以語音處理越來越複雜、耗時更長且更仰賴智慧體能力工作的可能性。 [...] ### 我們的新方法 GPT‑Live 透過兩項架構改變來解決這些限制。 ### 連續互動 首先，我們以全雙工架構打造 GPT‑Live，使其能進行連續互動。GPT‑Live 不再逐則處理彼此獨立的訊息，而是在生成輸出的同時持續處理輸入。因此，模型每秒可多次決定是否要說話、繼續聆聽、暫停、插話，或呼叫工具。 這讓模型能進行更自然的來回對話，更準確掌握對話節奏，甚至提供即時翻譯。 ### 連續互動 回應快速、自然而且富表現力，同時聆聽更主動 ### 將更深入的工作委派給其他模型 其次，我們將負責持續互動的 GPT‑Live 與負責較深入工作的模型分離。當問題需要

OpenAI 今天发布 GPT-Live，用全双工架构（full-duplex）取代 ChatGPT 原有的语音模式。同声传译的演示效果很惊艳。 两个型号 GPT-Live-1 和 GPT-Live-1 mini，分别面向付费和免费用户，今天起在 iOS、Android 和网页端全球推出。 这是 ChatGPT 语音的第三代技术。之前的语音模式本质上是"对讲机"模式，你说完它才说，中间稍微停顿一下就可能被打断。GPT-Live 改成了全双工，可以一边听你说一边自己说，每秒做多次交互决策，判断该说话、该闭嘴、该打断还是该调用工具。对话中它会像真人一样插入"mhmm""got it"之类的回应，表示在听。 架构上有一个比较有意思的变化：GPT-Live 把语音交互层和推理层拆开了。日常对话它自己处理，遇到需要联网搜索、深度推理的问题，就后台交给 GPT-5.5 去干活，自己继续跟你聊着。等结果出来了再无缝带回对话。OpenAI 说以后出了更新的模型会持续替换后端，前端语音模型不用重新训练。这个设计对做语音智能体的开发者可能比较有吸引力，也给了 OpenAI 一个把语音产品和模型迭代解耦的机制。 用户端还加了三档推理强度可选：Instant（快速回答）、Medium 和 High（需要想一会儿的复杂问题），九个语音角色也重新录制过。语音对话中还能显示天气、股票、体育比分等可视化卡片。 不过上线第一天用户反馈就出现了一个有点讽刺的问题：那些设计来让对话更自然的回应词，实际用起来让不少人觉得烦。社交媒体上已经有用户吐槽 GPT-Live 的"mhmm"太频繁，声音直接闯入注意力的感受和文字不同，AI 的热情过了头反而成了干扰。TechCrunch 在报道中也提到，演示中展示印地语实时翻译时，模型带着明显的美式口音，措辞偏书面，效果并不理想。OpenAI [...] 在报道中也提到，演示中展示印地语实时翻译时，模型带着明显的美式口音，措辞偏书面，效果并不理想。OpenAI 说"针对最常用语言做了优化"，但没有公布具体支持哪些语言。 另外，GPT-Live 上线时不支持视频通话和屏幕共享，需要这些功能的用户得切回旧版。API 也还没开放，开发者只能先登记排队。 每周有超过 1.5 亿人使用 ChatGPT 的语音和听写功能。OpenAI 显然把语音视为下一个主力交互界面，Chat