返回信息流
新闻事件
A重点74
OpenAI (X)
6 个来源

GPT-Live 让与 AI 的对话如同真实交谈

OpenAI 推出了 GPT-Live,一种先进的语音模型,采用全双工架构,能够同时听和说,实现自然对话和实时翻译。它可以在需要时将复杂任务委托给前沿模型。该模型将在未来几天内向 ChatGPT 用户(iOS、Android 和网页版)推出。

SynthePulse Insight · AI 深度解读

GPT-Live:OpenAI 的全双工语音模型,自然对话的下一步

版本 1 · 9 个来源

OpenAI 发布 GPT-Live 系列语音模型,采用全双工架构实现同时听说,并默认替换 ChatGPT 中的高级语音模式。新模型可调用 GPT-5.5 等文本模型处理复杂任务,但现场演示的印地语翻译仍显生硬。

  • OpenAI 于 2026 年 7 月 8 日发布 GPT-Live-1 和 GPT-Live-1 mini 语音模型,采用全双工架构,可同时听和说。
  • GPT-Live-1 mini 默认替换 ChatGPT 中的高级语音模式,付费用户可使用更大的 GPT-Live-1 模型。
  • 新模型可调用 GPT-5.5 等最新文本模型进行搜索、推理或代理任务,并将结果带回对话。
  • OpenAI 声称超过 1.5 亿人使用 ChatGPT 的语音和听写功能。
  • 现场演示中,印地语翻译带有浓重美式口音且语调不自然,公司称新模型针对“大多数语言”优化但未具体说明。
  • OpenAI 强调新模型并非 AI 伴侣,内置安全措施,包括为青少年提供适龄回复和自伤话题资源。
展开章节目录全双工架构:同时听说,自然交互

全双工架构:同时听说,自然交互

GPT-Live 系列模型的核心是全双工架构,能够同时听和说,支持用户自然打断和实时翻译。此前的高级语音模式依赖流水线:语音转文本→语言模型→文本转语音,而新模型直接端到端处理。OpenAI 在 X 上表示,全双工架构使模型能进行更自然的来回对话、保持更好的时间感,甚至执行实时翻译。

模型分层与部署:默认替换,付费升级

OpenAI 推出两个模型:GPT-Live-1 和 GPT-Live-1 mini。GPT-Live-1 mini 默认替换 ChatGPT 中的高级语音模式,所有 Go、Plus 和 Pro 用户已可用,免费用户正在逐步推送。付费用户可访问更大的 GPT-Live-1 模型。新模型在 iOS、Android 和网页版 ChatGPT 上通过语音按钮使用,API 即将推出。

智能增强:调用文本模型处理复杂任务

GPT-Live 可将需要搜索、推理或代理能力的查询发送到 GPT-5.5 等最新文本模型,并在后台等待结果后带回对话。OpenAI 在简报中称,这解决了旧模型打断用户说话和智能不足的问题。产品负责人 Atty Eleti 表示,他曾与语音功能进行 30 到 40 分钟的散步对话,并认为语音可能成为复杂工作的主要计算界面。

现场演示的局限:印地语翻译仍不自然

TechCrunch 报道,在演示实时翻译功能时,印地语翻译带有浓重美式口音,语调不自然且略显书面化。OpenAI 表示新模型针对“大多数语言”优化,但未具体说明哪些语言。这显示尽管架构先进,非英语语言质量仍有待提升。

安全与定位:非 AI 伴侣,内置防护

OpenAI 强调 GPT-Live 并非 AI 伴侣,而是旨在实现更自然的任务交互。新模型内置安全措施,包括为青少年提供适龄回复,并在对话涉及自伤等话题时提供资源。公司还指出,超过 1.5 亿人已使用 ChatGPT 的语音和听写功能,表明语音交互的广泛需求。

可信度边界

主要信息来自 OpenAI 官方博客、X 账号及 TechCrunch 报道。演示中的印地语翻译问题由 TechCrunch 记者现场观察,属于一手报道。OpenAI 关于模型能力和安全措施的声明为官方来源,但未提供独立验证。

核心结论

GPT-Live 标志着语音 AI 从流水线架构向全双工架构的转变,在自然交互和智能集成上取得进展,但非英语语言质量仍是短板。OpenAI 明确将其定位为任务工具而非情感伴侣,并强调安全设计。