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 日推出 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。即日起，全球 ChatGPT 用户均可使用。具体而言，GPT-Live-1 模型将面向 Go、Plus 和 Pro 订阅用户开放，而免费用户则可以体验 GPT-Live-1 mini 模型。

在技术架构上，GPT-Live 系列模型采用了全双工设计，不再需要等待单轮对话结束后再做出响应。它能够持续地在同一时间处理输入和输出信息。该模型可以“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用工具，以此来提升对话的真实感。

面对复杂的任务时，GPT-Live 系列模型能够分解处理连续的交互和深入的推理。模型在前台维持语音对话的流畅进行，同时将网页搜索、复杂推理或其他更高级的任务委托给 GPT-5.5 系列模型在后台执行。具体而言：

GPT-Live-1（instant）和 GPT-Live-1 mini 将调用 GPT-5.5 Instant。
GPT-Live-1 Medium 将使用 GPT-5.5 Thinking Medium 的推理能力。
GPT-Live-1 High 将配备 GPT-5.5 Thinking High 的推理强度。

OpenAI 方面表示，为评估模型性能，公司建立了一套新的人工评测体系，重点关注语音交流中的舒适度和整体对话流畅性。在时长为 5-10 分钟的配对对话测试中，GPT-Live-1 和 GPT-Live-1 mini 模型在整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标上均获得了更高的得分，优于之前的 Advanced Voice Mode。

在用户规模方面，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、语言练习、睡前故事以及通勤期间的闲聊。新版本还支持在语音对话中呈现天气、股票、体育等可视化卡片，并继续支持搜索、记忆、图片和文件上传功能。

在安全方面，OpenAI 强调，GPT-Live 模型在自伤、精神病性症状与躁狂、对 AI 的情感依赖、暴力及性内容等多个领域接受了音频原生评测、合成音频评测以及内部红队测试。官方表示，在几乎所有的评估维度上，该新模型均能达到与 Advanced Voice Mode 相当或更优的表现。