OpenAI 最智能语音模型：GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天

OpenAI 于 7 月 9 日推出了 GPT-Live 系列模型，旨在成为新一代全双工语音模型，能够同时处理听与说，从而使 AI 对话体验更接近人类交流。

该系列模型目前提供 GPT-Live-1 和 GPT-Live-1 mini 两个版本，并已向全球 ChatGPT 用户开放。GPT-Live-1 模型面向 Go、Plus 和 Pro 订阅用户提供，而免费用户则可以使用 GPT-Live-1 mini 模型。

GPT-Live 系列模型采用了全双工架构，摆脱了单轮对话结束后才进行响应的模式。它能够实时处理输入和输出，并能“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用工具，极大地提升了对话的流畅度和自然感，使其更像真人聊天。

在处理复杂任务时，GPT-Live 系列模型能够将连续交互和深度推理进行拆分处理。它在前台维持语音对话的流畅进行，同时将网页搜索、复杂推理或其他更高级的任务委托给 GPT-5.5 系列模型在后台执行。具体而言：

• GPT-Live-1（instant）和 GPT-Live-1 mini 会调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 则会利用 GPT-5.5 Thinking Medium 进行推理。
• GPT-Live-1 High 则会使用 GPT-5.5 Thinking High 进行推理。

在性能评估方面，OpenAI 建立了一套新的人工评测体系，重点关注语音交流的舒适度和整体对话流畅性。与之前的 Advanced Voice Mode 相比，在 5-10 分钟的配对对话测试中，GPT-Live-1 和 GPT-Live-1 mini 在整体偏好、轮次衔接、打断情况、对话流畅度和自然度等指标上均获得了更高的得分。

OpenAI 透露，目前每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动，应用场景涵盖免提日常协助、语言学习、睡前故事以及通勤闲聊等。新版本还支持在语音对话中展示天气、股票、体育等可视化信息卡片，并继续支持搜索、记忆、图片和文件上传功能。

在安全方面，GPT-Live 模型在自伤、精神病性症状与躁狂、对 AI 的情感依赖、暴力及性内容等领域，接受了原生音频评测、合成音频评测以及内部红队测试。OpenAI 表示，在几乎所有的评估维度上，该模型均能达到与 Advanced Voice Mode 相当或更优的表现。