文章详情

OpenAI 在 7 月 9 日推出了 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型，能够同时接收和发送语音，从而使 AI 对话体验更加贴近真人交流。

目前，GPT-Live 系列提供了 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 模型适用于 Go、Plus 和 Pro 订阅用户，而免费用户则可以使用 GPT-Live-1 mini 模型。

在技术架构上，GPT-Live 系列采用了全双工设计，不再局限于单轮对话结束后再进行响应。它能够实时处理输入和输出，并能“每秒多次”地自主判断是继续说话、倾听、暂停、打断还是调用工具，显著提升了对话的自然度和流畅度。

当处理复杂任务时，GPT-Live 系列模型能够将连续交互和深度推理进行拆分。模型一方面在前台维持语音对话的流畅进行，另一方面则将网页搜索、复杂计算或更高级的任务委托给后台的 GPT-5.5 系列模型处理。具体来说：

• GPT-Live-1（instant）和 GPT-Live-1 mini 都调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 使用 GPT-5.5 Thinking Medium 的推理能力。
• GPT-Live-1 High 则利用 GPT-5.5 Thinking High 的推理强度。

OpenAI 在性能评估方面，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的连贯性。在针对时长为 5-10 分钟的配对对话测试中，GPT-Live-1 和 GPT-Live-1 mini 在整体偏好度、轮次衔接、打断情况、对话流畅度和自然度等指标上，都获得了比之前 Advanced Voice Mode 更高的评分。

就用户群体而言，OpenAI 透露，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，这些应用场景涵盖了免提日常辅助、语言学习、睡前故事以及通勤时的闲聊。新版本还新增了在语音对话中显示天气、股票、体育等可视化信息卡片的功能，并继续支持搜索、记忆、图片和文件上传。

在安全性方面，OpenAI 对 GPT-Live 模型进行了多维度的安全评估，包括在自我伤害、精神疾病症状、对 AI 的情感依恋、暴力及性内容等方面的音频原生评测、合成音频评测以及内部红队测试。官方表示，在几乎所有评估维度上，GPT-Live 的表现都与 Advanced Voice Mode 相当或更优。