OpenAI正進一步押注語音交互。
美東時間8日周三，OpenAI發布全新的語音模型GPT-Live，同步升級ChatGPT語音模式（ChatGPT Voice）。新模型採用原生實時架構，可實現人類與AI之間更加自然的雙向語音交流，不僅支持打斷、停頓理解、實時翻譯、聽寫等能力，還能夠在後台無縫調用GPT-5.5等模型完成複雜推理和聯網搜索，將語音打造為ChatGPT新的統一交互入口。
OpenAI公告稱，GPT-Live包括GPT-Live-1和GPT-Live-1 mini兩個版本，目前已開始向全球ChatGPT用戶陸續開放，覆蓋網頁、iOS和安卓平台，並計劃未來數周向API開放，開發者和企業用戶可提前登記獲取通知。
此次發布意味着，OpenAI正進一步押注語音將成為AI時代最重要的人機交互方式。OpenAI在發布新模型時透露，目前每周已有超過1.5億人使用ChatGPT Voice、Dictation等語音功能與ChatGPT交流。媒體評論認為，OpenAI希望未來用戶越來越少依賴鍵盤輸入，而更多直接與AI「說話」。
ChatGPT Voice 產品負責人 Atty Eleti說，此次發布語音模型「僅僅是個開始。我們認為，隨着時間的推移，這將使語音成為與計算設備交互的主要方式。」 它還可以用於「管理日益複雜、耗時較長且具有自主代理（agentic）性質的任務」。
付費用戶默認GPT-Live-1，免費用戶使用Live-1 mini
此次推出的GPT-Live並非單一模型，而是包括兩個版本：
- GPT-Live-1：默認面向Go、Plus和Pro訂閱用戶；
- GPT-Live-1 mini：面向免費用戶開放，作為默認語音模型。
OpenAI表示，兩款模型即日起開始全球逐步推送，覆蓋網頁版、iOS及Android客戶端。此前數月ChatGPT桌面版曾暫時回退部分新版語音能力，而此次發布暫未重新支持新版桌面語音體驗。
同時，OpenAI還計劃未來將GPT-Live接入API，方便開發者和企業將新的實時語音能力整合進自己的產品和應用。
GPT-Live-1兩版本測評性能明顯優於Advanced Voice Mode
相比此前ChatGPT採用的Advanced Voice Mode，GPT-Live最大的變化並不僅是響應速度。
OpenAI介紹，公司專門建立了一套新的人工評測體系，重點考察語音交流中的舒適度（pleasantness）和整體交流流暢性（flow of conversation）。
在持續5至10分鐘的一對一盲測中，無論是GPT-Live-1還是GPT-Live-1 mini，都明顯優於此前Advanced Voice Mode。
OpenAI表示，新模型在人類評測中，在以下多個維度均獲得更高偏好：
- 整體交流體驗（Overall Preference）
- 輪流說話自然程度（Turn-taking）
- 打斷後的恢復能力（Interruptions）
- 對話流暢性（Conversational Flow）
- 是否更像人與人交流（Naturalness）
這也是OpenAI此次選擇全面替換原有語音模型的重要原因。
「輪流說話」升級為「實時交流"，還能實時翻譯、聽寫、調整語速
GPT-Live最大的技術升級，在於採用原生全雙工（Full-duplex）語音架構。
過去，大多數AI語音助手仍遵循"你說一句、我答一句"的Turn-based模式，需要等待用戶說完整句話後才能開始識別和生成回覆，因此經常出現明顯停頓，也難以處理中途打斷。
GPT-Live則可以一邊聽、一邊理解，同時實時準備回答。
模型能夠識別用戶只是短暫停頓思考，還是已經結束髮言；當用戶插話時，它還能立即停止講話繼續傾聽，再自然接上對話，更接近人與人的真實交流方式。
與此同時，新模型還帶來了多項能力升級，比如具備實時雙向翻譯（Live Translation）能力，能更準確地語音聽寫（Dictation）、作出更自然的停頓、語調與情緒反饋，還能根據用戶要求放慢或加快說話速度，作出更自然的回應、語氣詞和傾聽反饋。
例如，假如用戶直接提出「能說慢一點嗎」的要求，模型即可實時調整自己的說話節奏，而不是簡單降低音頻播放速度。
不只是語音模型，而是ChatGPT所有能力的新入口
相比語音效果提升，更重要的是GPT-Live已成為連接整個ChatGPT能力體系的新入口。
OpenAI表示，語音模型負責自然交流，而真正執行復雜任務時，可自動調用後台不同模型。
例如：
- 遇到複雜推理時，可自動切換GPT-5.5；
- 需要聯網時，可直接調用Web Search；
- 涉及天氣、股票、體育等實時信息，也能夠調用對應能力，再將結果自然地以語音形式返回。
因此，GPT-Live不再是一套獨立語音系統，而是ChatGPT所有AI能力的統一語音界面。
語音安全機制強化：高風險情況下可主動結束對話，家長可收到提醒
隨着AI越來越接近真人交流，OpenAI此次同步升級了語音安全機制。
OpenAI表示，當系統檢測到可能產生不安全內容時，可根據風險程度採取不同措施，包括：
- 引導模型生成更加安全的回覆；
- 主動展示額外安全提示；
- 在風險較高情況下直接結束語音對話。
針對未成年人，OpenAI還將此前推出的家長控制功能擴展至ChatGPT Voice。
家長可以直接關閉青少年賬號的語音功能；如果已經允許使用，而系統檢測到青少年試圖將對話引向自殘等高風險內容，系統還會主動向家長髮送提醒。
OpenAI表示，這些安全策略旨在讓更加擬人的實時語音交互，在保持自然體驗的同時，也能夠滿足更高等級的安全要求。
已向全球ChatGPT用戶推送，但仍存在部分限制
OpenAI表示，GPT-Live已開始向全球ChatGPT用戶陸續開放。
目前，新模型支持Web、iOS和Android平台，並針對ChatGPT中最常用的多種語言進行了優化。不過OpenAI也坦言，部分語言目前仍可能存在非母語口音或流暢度不足的問題，公司正持續改進多語言表現。
與此同時，新版GPT-Live在首發階段尚不支持視頻和螢幕共享語音模式，相關功能仍在開發中。現階段，用戶如果需要在視頻或共享螢幕場景中使用語音交互，仍需使用此前的ChatGPT Voice（Legacy Voice）模式。
隨着未來API正式開放，GPT-Live也將成為OpenAI向開發者提供實時AI語音能力的核心基礎模型，進一步推動語音從聊天工具演變為AI時代的主要交互入口。