OpenAI深夜放出GPT-Live，ChatGPT終于像真人一樣說話

深夜，OpenAI 突然上線 GPT-Live。

這款新一代語音模型，把 ChatGPT Voice 往前推了一步：人與 AI 的交流開始更像一場真正的對話。

GPT-Live 基于全雙工架構構建，也就是說，它可以同時聽和說。在對話過程中，GPT-Live 可以用 mhmm 或 yeah 這樣的回應表示自己正在聽，也可以進行快速來回交流；當你需要一點時間思考時，它也會保持安靜。最終帶來的，是一種非常輕松自然的語音交互體驗。

視頻請查看：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

OpenAI 表示，GPT-Live 是他們迄今最智能的語音模型。對于需要網頁搜索、更深入推理或更復雜處理的問題，它會在后臺交給這個最新前沿模型完成，并在結果準備好后帶回對話中。在處理這些任務的同時，GPT-Live 仍然可以繼續與你交流，維持對話的流暢性。

發布時，GPT-Live 后臺調用的模型是 GPT-5.5。隨著 OpenAI 后續推出新的前沿模型，GPT-Live 所調用的后臺模型也會持續更新。

從今天開始，OpenAI 將在全球范圍內向 ChatGPT 用戶逐步推出兩個版本的 GPT-Live，分別是 GPT-Live-1 和 GPT-Live-1 mini。

以往的語音 AI 路線

在 GPT-Live 之前，上一代語音 AI 系統已經讓人機語音交互向自然對話邁進了一步，但不同技術路線都存在明顯取舍。

一是級聯式語音系統。

早期語音系統通常采用級聯架構，也就是由多個模型依次完成一輪對話處理。最初的 ChatGPT Voice 就采用了這種方式：先由語音轉文本模型將用戶語音轉寫成文字，再由大語言模型生成回復，最后通過文本轉語音模型把回復轉換成語音。

這種架構讓用戶第一次能夠通過語音與前沿 AI 模型交流，但多模型串聯也帶來了額外復雜性。信息在不同模型之間傳遞時可能發生損失，系統響應也容易顯得緩慢、生硬。

輪次式語音模型。

此后的輪次式語音模型，例如 ChatGPT Advanced Voice Mode，開始在單一模型中處理和生成音頻，降低了延遲，也讓對話體驗變得更順滑。

不過，這類模型仍然遵循一來一回的輪次機制。模型需要等用戶停止說話后才能開始回應，因此交互方式依然偏固定。同時，由于系統通常依靠靜音來判斷一輪發言是否結束，用戶短暫思考時的停頓，或環境中的背景噪聲，都可能被誤判為發言結束，導致模型在不自然的時機插話。

GPT-Live 新方法

GPT-Live 通過兩項架構變化，解決了上述局限。

持續交互。

首先，GPT-Live 基于全雙工架構，為持續交互而設計。它處理的不是一條條彼此獨立的消息，而是在生成輸出的同時，持續處理輸入。因此，模型可以在每秒內多次做出交互決策，包括是否開口、繼續傾聽、暫停、插話，或調用工具。

視頻請查看：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

這讓模型能夠進行更自然的來回交流，更好地把握時間節奏，甚至完成實時翻譯。

面向深度任務的委派機制。

其次，OpenAI 將負責持續交互的 GPT-Live，與更深層的任務處理能力解耦。當問題需要搜索、推理或更強的智能體能力時，GPT-Live 可以把任務委派給 GPT-5.5 這樣的其他模型。這使它即便在后臺處理多個任務，也能繼續維持對話進行。

這一架構變化還讓 GPT-Live 可以持續使用最新模型和智能體，把前沿智能與自然交互結合起來。

評估

OpenAI 構建了新的人類評估體系，用于衡量對話的愉悅感和流暢度。在這些一對一對比測試中，GPT-Live-1 和 GPT-Live-1 mini 在匹配條件下的 5 到 10 分鐘對話中，相比 Advanced Voice Mode 明顯更受偏好。評估維度包括整體偏好、輪次銜接、打斷情況、對話流暢度，以及每次交互給人的自然程度。

• GPQA：GPT-Live-1 在 GPQA 上顯著優于 Advanced Voice Mode。GPQA 用于測試模型在生物、化學和物理等領域的專家級科學推理能力。
• BrowseComp：GPT-Live-1 在 BrowseComp 上相比 Advanced Voice Mode 取得明顯提升。BrowseComp 用于測試智能體式網頁搜索能力，以及模型查找難以定位信息的能力。
• τ3-Voice Telecom（內部變體）：GPT-Live-1 在 τ3-Voice Telecom 上優于 Advanced Voice Mode。該評測用于測試語音智能體在真實、多輪電信客服任務中的表現。

全新的 ChatGPT Voice 體驗

每周有超過 1.5 億人通過 Voice 和 Dictation 等功能與 ChatGPT 對話。他們用它獲得無需動手的日常幫助，練習語言，講睡前故事，或者只是在通勤路上隨便聊聊天。

從今天開始，當你點擊 Voice 按鈕與 ChatGPT 對話時，將獲得由 GPT-Live 驅動的升級體驗，包括更自然的對話、更智能的回答、更好的傾聽能力，以及可視化回復。

更自然的對話

現在，與 ChatGPT 對話會更接近真實交流。你可以隨時插話提問，也可以停下來整理思路，或者讓 ChatGPT 放慢語速。它會自然地用 mhmm 或 got it 這樣的回應來表示自己正在跟上你的話，讓你知道它一直在聽。團隊也針對 GPT-Live 重新制作了 ChatGPT 中九種不同的聲音。

更智能的回答

ChatGPT Voice 現在可以調用 OpenAI 最新前沿模型，在你需要時給出更智能的回答。你也可以根據需求選擇不同的推理強度：Instant 適合快速響應，Medium 和 High 則適合希望 ChatGPT 花更多時間思考的場景。

更好的傾聽能力

當你需要一點時間思考時，ChatGPT Voice 現在會等待，而不是急著插話。如果你讓它保持安靜、繼續聽，它也會照做。當周圍有背景噪聲，比如車輛經過或旁邊有人交談時，ChatGPT 也更能專注于你的聲音，不容易被干擾。

一眼可見的可視化回答

有些回答看得見會更有用。在語音對話過程中，ChatGPT 現在可以針對天氣、股票、體育等話題展示豐富的可視化卡片。Voice 也會繼續支持搜索、記憶、圖片和文件上傳。

視頻請查看：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

最終，ChatGPT Voice 變得更加自然、更有能力，也更適合日常生活中的各種使用場景。

最后，GPT-Live 目前正在面向全球 ChatGPT 用戶推出，覆蓋 iOS、Android 和 ChatGPT.com。GPT-Live-1 將成為 Go、Plus 和 Pro 用戶使用 ChatGPT Voice 時的默認模型，GPT-Live-1 mini 將成為 Free 用戶的默認模型。

參考鏈接：
https://openai.com/index/introducing-gpt-live/