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 - 开云下载

OpenAI 于 7 月 9 日公布了其 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型，能够实现同步聆听与说话，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，并已向全球 ChatGPT 用户开放。其中，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。

在技术架构上，GPT-Live 系列采用了全双工设计，不再局限于单轮对话结束后再进行响应。它能够持续处理输入和输出信息，模型可以“每秒多次”地自主判断何时说话、继续倾听、暂停、打断对话或调用外部工具，以实现更自然的真人聊天效果。

面对复杂的任务时，GPT-Live 系列模型能够将连续交互和深度推理进行拆分处理。它在前台维持语音对话的流畅进行，同时将网页搜索、复杂推理或其他更具挑战性的任务委托给 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 会调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 则使用 GPT-5.5 Thinking Medium 的推理能力。
• GPT-Live-1 High 版本则运用 GPT-5.5 Thinking High 的推理强度。

OpenAI 在性能评估方面，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对话流畅性。与之前的 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 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关键指标上获得了更高的评分。

用户使用方面，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、体育等可视化信息卡片，并继续支持搜索、记忆、图片和文件上传等功能。

在安全性方面，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、暴力及性内容等敏感领域，经过了原生音频评测、合成音频评测以及内部红队测试。官方指出，该模型在几乎所有评估维度上的表现都与 Advanced Voice Mode 相当或更佳。