OpenAI 周三推出全双工语音模型 GPT-Live-1 与 GPT-Live-1 mini，用来取代旧版 Advanced Voice Mode；复杂任务则会交给今年 4 月发布的 GPT-5.5 处理。 （前情提要：Google 翻译升级：Gemini 3.5 让实时语音口译不再有尴尬停顿） （背景补充：2 分钟打造 AI 客服！xAI 推出无代码 Voice Agent Builder，语音跑分击败 OpenAI）
终结两年的「走马灯式轮流」对话，OpenAI 周三让 ChatGPT 学会一件事：同时听＋说。新语音模型 GPT-Live 放弃旧版依靠静默判断轮次的逻辑，改用全双工（full-duplex）架构。
GPT-Live-1 与 GPT-Live-1 mini 即日起在 iOS、Android、ChatGPT.com 全球上线。GPT-Live-1 成为 Go、Plus、Pro 付费用户的默认语音模型；GPT-Live-1 mini 向免费用户提供服务；API 则要等待开发者候补。这是两年内 ChatGPT 语音技术第三次改朝换代，也是 OpenAI 最明确的一次表态：语音不再是文字聊天机器人的附加功能，而要成为人与 AI 对话的主界面。
OpenAI 在研究博客中写道，GPT-Live 会在持续处理输入的同时生成输出。模型每秒能作出多次互动决策：判断何时开口、继续听、暂停、打断，还是调用工具。一名研究者在 X 上把旧版体验形容为「走马灯式轮流」——一次只能一人说话，讲完才轮到下一位。
这正是旧版 Advanced Voice Mode 的死穴。OpenAI 承认：由于靠静默判断轮次，短暂停顿或背景噪声都可能被误认为用户已经讲完，进而导致模型在不自然的时机硬生生插话。
GPT-Live 的另一个关键设计，是将「语音互动层」与「推理层」拆分开来。简单问题由 GPT-Live 直接回答；一旦遇到需要查询网络、深度推理或多步骤任务的情况，就把工作委派给后台执行的前沿模型。发布时用的是今年 4 月发表的 GPT-5.5；在运算进行中仍会持续与用户对话，不会出现旧管线那种数秒空白。
这是模块化设计。其好处在于，升级智慧不必重新训练语音模型本身。对想将语音代理接入数据库、搜索、多步骤任务的企业与开发者来说，这才是真正的门槛降低。
新版还新增两个小功能：对话中会即时浮现天气、股价、体育比分、地图之类的视觉卡片；用户也能自行在 Instant（即时）、Medium（中等）、High（复杂）三种推理层级之间切换，自己决定要语音反应更快，还是让答案想得更周全。换句话说，快与准不再是二选一，用户可以自己把握那条平衡线。
OpenAI 也借机对声音阵容进行了一轮重制。九种声音强调「为对话而设计，而不是声音模仿」，并加入了防止模仿人声的防护——某种程度上是在回应两年前的旧账。2024 年 5 月 GPT-4o 发布时，声音「Sky」被外界认为与电影《云端情人》里的配音者 Scarlett Johansson 极为相似。她本人证实曾拒绝 Sam Altman 的配音邀约。产品上线后，她形容自己震惊又愤怒；OpenAI 随后撤下该声音并道歉。
83.12万 热度
19.64万 热度
138.72万 热度
94.32万 热度
9.07万 热度
OpenAI 上线 GPT-Live：可同时听＋说，打造真人般对话体验
OpenAI 周三推出全双工语音模型 GPT-Live-1 与 GPT-Live-1 mini，用来取代旧版 Advanced Voice Mode；复杂任务则会交给今年 4 月发布的 GPT-5.5 处理。
（前情提要：Google 翻译升级：Gemini 3.5 让实时语音口译不再有尴尬停顿）
（背景补充：2 分钟打造 AI 客服！xAI 推出无代码 Voice Agent Builder，语音跑分击败 OpenAI）
终结两年的「走马灯式轮流」对话，OpenAI 周三让 ChatGPT 学会一件事：同时听＋说。新语音模型 GPT-Live 放弃旧版依靠静默判断轮次的逻辑，改用全双工（full-duplex）架构。
GPT-Live-1 与 GPT-Live-1 mini 即日起在 iOS、Android、ChatGPT.com 全球上线。GPT-Live-1 成为 Go、Plus、Pro 付费用户的默认语音模型；GPT-Live-1 mini 向免费用户提供服务；API 则要等待开发者候补。这是两年内 ChatGPT 语音技术第三次改朝换代，也是 OpenAI 最明确的一次表态：语音不再是文字聊天机器人的附加功能，而要成为人与 AI 对话的主界面。
旧语音为什么总爱抢话？
OpenAI 在研究博客中写道，GPT-Live 会在持续处理输入的同时生成输出。模型每秒能作出多次互动决策：判断何时开口、继续听、暂停、打断，还是调用工具。一名研究者在 X 上把旧版体验形容为「走马灯式轮流」——一次只能一人说话，讲完才轮到下一位。
这正是旧版 Advanced Voice Mode 的死穴。OpenAI 承认：由于靠静默判断轮次，短暂停顿或背景噪声都可能被误认为用户已经讲完，进而导致模型在不自然的时机硬生生插话。
谁负责说话，谁负责思考？
GPT-Live 的另一个关键设计，是将「语音互动层」与「推理层」拆分开来。简单问题由 GPT-Live 直接回答；一旦遇到需要查询网络、深度推理或多步骤任务的情况，就把工作委派给后台执行的前沿模型。发布时用的是今年 4 月发表的 GPT-5.5；在运算进行中仍会持续与用户对话，不会出现旧管线那种数秒空白。
这是模块化设计。其好处在于，升级智慧不必重新训练语音模型本身。对想将语音代理接入数据库、搜索、多步骤任务的企业与开发者来说，这才是真正的门槛降低。
新版还新增两个小功能：对话中会即时浮现天气、股价、体育比分、地图之类的视觉卡片；用户也能自行在 Instant（即时）、Medium（中等）、High（复杂）三种推理层级之间切换，自己决定要语音反应更快，还是让答案想得更周全。换句话说，快与准不再是二选一，用户可以自己把握那条平衡线。
OpenAI 也借机对声音阵容进行了一轮重制。九种声音强调「为对话而设计，而不是声音模仿」，并加入了防止模仿人声的防护——某种程度上是在回应两年前的旧账。2024 年 5 月 GPT-4o 发布时，声音「Sky」被外界认为与电影《云端情人》里的配音者 Scarlett Johansson 极为相似。她本人证实曾拒绝 Sam Altman 的配音邀约。产品上线后，她形容自己震惊又愤怒；OpenAI 随后撤下该声音并道歉。