- 发布日期
GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
OpenAI今日发布GPT-Live系列全双工语音模型，包括GPT-Live-1和GPT-Live-1 mini两个版本，即日起向全球ChatGPT用户开放。该系列模型采用全新架构，可同时聆听与说话，旨在使AI对话更接近真人聊天体验。OpenAI表示，GPT-Live系列将逐步取代现有的Advanced Voice Mode模式，成为语音交互的核心技术。
GPT-Live系列的最大突破在于其全双工架构。传统语音模型需要等待用户说完才能响应，而GPT-Live可在同一时间持续处理输入和输出，模型每秒多次判断是否说话、继续倾听、暂停、打断或调用工具。这种设计让对话更加自然流畅，用户无需等待轮次切换，即可实现类似真人之间的实时互动。
在技术实现上，GPT-Live系列将语音对话与复杂推理分离。模型在前台维持语音交流，同时将网页搜索、复杂计算等任务委托给GPT-5.5系列模型在后台执行。根据不同需求，GPT-Live-1（Instant）与mini版本调用GPT-5.5 Instant，而Medium和High版本则分别使用GPT-5.5 Thinking Medium/High推理强度，以平衡响应速度和深度。
性能方面，OpenAI建立了新的人工评测体系，重点考察语音交流的舒适度和整体流畅性。在5-10分钟的配对对话测试中，基于整体偏好、轮次衔接、打断情况等指标，GPT-Live-1和mini的得分均高于Advanced Voice Mode。此外，新版本还支持在语音对话中展示天气、股票、体育等可视化卡片，并延续了搜索、记忆、图片和文件上传功能。
用户规模上，OpenAI披露每周有超过1.5亿人通过Voice和Dictation功能与ChatGPT语音交互，应用场景涵盖免手持日常协助、语言练习、睡前故事和通勤闲聊。GPT-Live系列的推出将进一步拓展这些场景，尤其让长期对话和打断交互更加顺畅。
安全方面，OpenAI表示GPT-Live在自伤、精神病性症状、情感依赖、暴力及性内容等领域接受了音频原生评测、合成音频评测和内部红队测试。官方称，该模型在几乎所有评估维度上与Advanced Voice Mode相当或更优，安全性得到保障。
随着GPT-Live系列的开放，语音AI对话迈入新阶段。未来，全双工架构或将成为智能助手交互的标准，而GPT-Live与GPT-5.5的协同工作模式也为多模态AI系统设计提供了参考。OpenAI计划持续优化模型，并逐步扩展可用功能，使用户能更自然地通过语音与AI协作。
