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 日正式推出了其 GPT-Live 系列模型，该系列被定义为新一代全双工语音模型，能够同时进行倾听和说话，从而使 AI 对话体验更接近于人际交流。

目前，GPT-Live 系列提供了 GPT-Live-1 和 GPT-Live-1 mini 两个版本，并已在全球范围内向 ChatGPT 用户开放。付费订阅用户（Go、Plus 和 Pro）可以访问 GPT-Live-1 模型，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，摆脱了以往需要等待单轮对话结束后才能响应的模式。它能够持续地处理输入和输出信息，并且能够“每秒多次”地自主判断何时进行回应、继续倾听、暂停、插话或调用外部工具，以此来模拟更真实的真人对话流程。

面对复杂的任务时，GPT-Live 系列模型会采取分解处理的方式，将连续交互和深度推理分离开来。模型在前台维持语音对话的流畅进行，同时将网页搜索、复杂的逻辑推断或其他更具挑战性的任务委托给 GPT-5.5 系列模型在后台执行。具体来说：

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

OpenAI 在性能评估方面，建立了一套新的人工评测标准，重点关注语音交流中的“舒适度”和“整体交流流畅性”。与之前的 Advanced Voice Mode 相比，在时长为 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均获得了更高的评分。

关于用户使用情况，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式日常助手、语言学习辅助、睡前故事讲述以及通勤途中的闲聊等。新版本还新增了在语音对话中展示天气、股票、体育等可视化信息卡片的功能，并继续支持搜索、记忆、图片上传和文件上传等功能。

在安全性方面，OpenAI 表示，GPT-Live 模型在自我伤害、精神病性症状与躁狂、用户对 AI 的情感依恋、以及暴力和性内容等多个领域，都经过了原生音频评测、合成音频评测以及内部红队测试。官方声明指出，在几乎所有的评估维度上，GPT-Live 的表现与 Advanced Voice Mode 相当或更胜一筹。