OpenAI 今日（7 月 9 日）推出了其最新的 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型。其核心能力在于能够同时进行聆听和说话，从而显著提升 AI 对话的真实感，使其体验更接近于与真人交流。
目前，GPT-Live 系列提供了 GPT-Live-1 和 GPT-Live-1 mini 两个版本，并已面向全球 ChatGPT 用户开放。具体而言，GPT-Live-1 模型将提供给 Go、Plus 和 Pro 订阅用户，而免费用户则可以使用 GPT-Live-1 mini 模型。
GPT-Live 系列模型采用了全双工架构，打破了传统单轮对话结束后才响应的模式。它能够持续地处理用户输入和模型输出，并且能够“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用外部工具。这种即时反馈机制使得对话流程更为顺畅，大大增强了用户与 AI 互动时的真人感。
在处理复杂的任务时，GPT-Live 系列模型能够将连续交互和深度推理进行分离处理。模型在前台维持语音对话的流畅进行，同时将网页搜索、复杂推理或更高级的任务委托给后台的 GPT-5.5 系列模型执行。具体而言，GPT-Live-1 和 GPT-Live-1 mini 将调用 GPT-5.5 Instant；GPT-Live-1 Medium 则会利用 GPT-5.5 Thinking Medium 的推理强度；而 GPT-Live-1 High 则会使用 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，重点关注语音交流中的“舒适度”和“整体交流流畅性”。与之前的 Advanced Voice Mode 相比，在 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、轮次衔接、打断情况、对话流畅度及自然度等指标上均获得了更高的评分。
就用户规模而言，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提式日常协助、语言学习、睡前故事以及通勤时的闲聊等。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、图片和文件上传等功能。用户可以通过 蓝鲸体育登录入口 了解更多相关信息。
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、以及暴力和性内容等多个领域，都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严格评估。官方声明指出，该模型在几乎所有评估维度上都达到了与 Advanced Voice Mode 相当或更优的水平。
发表您的观点