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 - 乐鱼官网

OpenAI 在 7 月 9 日正式推出了 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。即日起，全球 ChatGPT 用户均可体验。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，摆脱了以往“单轮结束再响应”的模式。它能够持续处理输入和输出信息，并每秒多次判断是否需要发言、继续倾听、暂停、打断，或调用相关工具，以此来模拟更接近真人之间的对话体验。

面对复杂的任务时，GPT-Live 系列模型会将连续交互和深度推理进行拆分处理。模型在前端维持语音对话的流畅进行，同时将网页搜索、深度推理或其他更复杂的任务委托给后端的 GPT-5.5 系列模型执行。具体来说：

• GPT-Live-1（instant）和 GPT-Live-1 mini 调用的是 GPT-5.5 Instant。
• GPT-Live-1 Medium 使用 GPT-5.5 Thinking Medium 的推理能力。
• GPT-Live-1 High 则利用 GPT-5.5 Thinking High 的推理强度。

OpenAI 表示，公司为此专门建立了一套新的人工评估体系，重点关注语音交流中的舒适度和整体流畅性。与先前的 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、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。

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的日常协助、语言学习、睡前故事以及通勤时的闲聊。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、图片和文件上传功能。

关于安全性，OpenAI 强调，GPT-Live 系列在自伤、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敏感领域，都经过了原生音频评测、合成音频评测以及内部红队测试。官方表示，在几乎所有的评估维度上，该模型的表现与 Advanced Voice Mode 相当或更佳。