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 - 九游下载

OpenAI 于 7 月 9 日推出了 GPT-Live 系列模型，旨在成为新一代全双工语音模型，能够同时处理输入和输出，从而使 AI 的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，并已向全球 ChatGPT 用户开放。其中，GPT-Live-1 模型供 Go、Plus 和 Pro 订阅用户使用，而免费用户则可以体验 GPT-Live-1 mini 模型。

在技术架构上，GPT-Live 系列采用了全双工设计，摆脱了以往单轮对话结束后再进行响应的模式。它能够实时处理用户的输入和 AI 的输出，并能“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用工具，显著提升了对话的自然度和真人感。

面对复杂的任务，GPT-Live 系列模型能够将连续交互和深度推理进行拆分处理。模型在前台维持语音对话流程，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：

• GPT-Live-1（instant）和 GPT-Live-1 mini 调用 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 在性能评估方面，建立了一套新的人工评测体系，重点关注语音交流的舒适度和整体流畅性。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、对话流畅度与自然度等方面，均获得了比先前 Advanced Voice Mode 更高的评分。

据 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，应用场景广泛，包括免提日常协助、语言学习、睡前故事以及通勤时的闲聊。新版本还增加了在语音对话中展示天气、股票、体育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。

在安全性方面，OpenAI 对 GPT-Live 模型进行了全面的评估，涵盖了自伤、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。评估方式包括音频原生评测、合成音频评测以及内部红队测试。OpenAI 表示，在几乎所有评估维度上，GPT-Live 的表现都与 Advanced Voice Mode 相当或更优。