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

OpenAI 于 7 月 9 日公布了其最新的 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型，能够实现同步聆听与回应，从而使 AI 对话体验更加贴近人类交流。

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 模型将面向 Go、Plus 和 Pro 订阅用户提供，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，摆脱了传统单轮对话后才进行响应的模式。它能够在同一时间段内持续处理输入信息和输出回应，模型能够“每秒多次”地判断何时发言、何时继续倾听、何时暂停或打断，甚至调用外部工具，以此来模拟更真实的人类对话过程。

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的流畅进行，同时将网页搜索、复杂的逻辑推演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。具体而言：

GPT-Live-1（instant）和 GPT-Live-1 mini 会调用 GPT-5.5 Instant。
GPT-Live-1 Medium 会使用 GPT-5.5 Thinking Medium 的推理能力。
GPT-Live-1 High 则会运用 GPT-5.5 Thinking High 的推理强度。

OpenAI 表示，公司特别建立了一套新的人工评估体系，重点关注语音交流过程中的舒适度和整体对话的流畅性。通过在 5-10 分钟的配对对话测试中，以整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标进行衡量，GPT-Live-1 和 GPT-Live-1 mini 模型在用户偏好得分上表现更佳，优于此前的 Advanced Voice Mode。

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，其应用场景涵盖了免提日常辅助、语言学习、睡前故事以及通勤途中的闲聊等。新版本还支持在语音对话中呈现天气、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。

在安全方面，OpenAI 强调，GPT-Live 模型在自我伤害、精神疾病症状、躁狂、对 AI 的情感依恋、以及暴力和色情内容等领域，均接受了包括原生音频评估、合成音频评估和内部红队测试在内的多维度安全检测。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。