OpenAI最强语音模型GPT-Live发布，AI对话更接近真人

OpenAI今天（7月9日）发布了GPT-Live系列模型，新一代全双工语音模型。简单来说，这个模型可以同时聆听与说话，让AI对话的体验更接近真人之间的交流。

目前开放了GPT-Live-1和GPT-Live-1 mini两个版本，即日起面向全球ChatGPT用户开放。具体来说，GPT-Live-1模型面向Go、Plus和Pro订阅用户，免费用户则可以调用GPT-Live-1 mini模型。附上相关视频截图，可以直观感受一下对话流畅度。

架构是这次升级的核心看点。GPT-Live系列采用全双工架构，不再像传统语音模型那样需要等一轮对话结束后再响应。它可以在同一时间持续处理输入和输出——模型会“每秒多次”判断是否该说话、继续倾听、暂停、打断，甚至调用工具。这种机制，让对话节奏和真人聊天几乎无异。

面对复杂任务时，GPT-Live系列的处理方式很聪明：它会把连续交互和深度推理拆分开。前台维持语音对话流，同时把网页搜索、复杂推理等更繁重的任务委托给GPT-5.5系列模型在后台执行。具体分工是这样的——GPT-Live-1（instant）与GPT-Live-1 mini调用GPT-5.5 Instant；GPT-Live-1 Medium调用GPT-5.5 Thinking Medium推理强度；GPT-Live-1 High则调用GPT-5.5 Thinking High推理强度。

性能方面，OpenAI专门建立了一套新的人工评测体系，重点考察语音交流中的舒适度和整体交流流畅性。

和此前Advanced Voice Mode相比，在时长5到10分钟的配对对话中，GPT-Live-1与GPT-Live-1 mini在整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标上，都获得了更高的偏好得分。

用户规模数据很能说明问题：OpenAI披露，每周有超过1.5亿人通过Voice和Dictation等功能与ChatGPT语音交互。应用场景相当丰富，包括免手持日常协助、语言练习、睡前故事、通勤闲聊等等。新版本还支持在语音对话中展示天气、股票、体育等可视化卡片，并继续支持搜索、记忆、图片和文件上传。

安全层面，OpenAI表示GPT-Live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，接受了音频原生评测、合成音频评测与内部红队测试。最新评估显示，该模型在几乎所有评估维度上，都与Advanced Voice Mode表现相当，甚至更优。