博客 详情

OpenAI 于 7 月 9 日公布了其最新研发的 GPT-Live 系列模型，旨在成为新一代全双工语音模型，能够同时进行听取与回应，从而显著提升 AI 对话的真实感。

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 用户推出。其中，GPT-Live-1 模型面向 Go、Plus 和 Pro 订阅用户开放，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，打破了以往模型必须等单轮对话结束后才能做出响应的局限。这种设计允许模型在同一时间段内持续处理输入和输出信息，能够“每秒多次”地自主判断何时进行语音输出、何时继续倾听、何时暂停、何时打断对方，甚至何时调用外部工具，这些能力共同作用，使得对话体验更加贴近真人之间的交流。

对于复杂的任务处理，GPT-Live 系列模型能够将连续的交互和深度推理进行拆分。它能在前端维持流畅的语音对话流，同时将网页搜索、复杂的逻辑推理或其他更高级的任务委托给后台的 GPT-5.5 系列模型来执行。具体来说：

• GPT-Live-1（instant）和 GPT-Live-1 mini 会调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 版本则使用 GPT-5.5 Thinking Medium 的推理能力。
• GPT-Live-1 High 版本则采用 GPT-5.5 Thinking High 的推理强度。

在性能评估方面，OpenAI 特别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“整体交流流畅性”。通过在 5-10 分钟的配对对话测试中，依据整体偏好、轮次衔接、打断情况、对话流畅度与自然度等关键指标进行衡量，GPT-Live-1 和 GPT-Live-1 mini 模型在与此前 Advanced Voice Mode 的对比中，获得了更高的偏好得分。

OpenAI 透露，目前每周有超过 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持日常助手、语言学习、睡前故事以及通勤途中的闲聊等。新版本还增加了在语音对话中展示天气、股票、体育赛事等可视化卡片的功能，并继续支持搜索、记忆、图片和文件上传等原有功能。

在安全方面，OpenAI 表示，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敏感领域，接受了包括原生音频评测、合成音频评测以及内部红队测试在内的全面评估。官方指出，在几乎所有的评估维度上，GPT-Live 的表现都与 Advanced Voice Mode 相当，甚至有所超越。