语音即AI入口！ OpenAI推GPT-Live 打造真人般实时对话体验

OpenAI表示，GPT-Live包含GPT-Live-1及GPT-Live-1mini两款模型，目前已开始向全球ChatGPT用户分阶段推送，支持Web、iOS及Android平台，未来数周将开放API，让开发者及企业客户能将即时语音能力整合至各种产品与应用，相关用户现已可预先登记取得通知。

官方指出，目前每周已有超过1.5亿人透过ChatGPT Voice及Dictation等语音功能与ChatGPT互动，显示语音正快速成为AI的重要使用方式。 市场分析认为，OpenAI希望未来用户逐渐减少依赖键盘输入，改以直接与AI对话，将语音打造为生成式AI时代最重要的人机交互界面。

此次推出的GPT-Live并非单一模型，而是区分为两个版本。 其中GPT-Live-1默认提供Go、Plus及Pro付费订阅用户使用; GPT-Live-1 mini 则开放免费用户作为预设语音模型。 新版已开始陆续推送至全球 Web 版、iOS 及 Android 平台，但先前曾回退新版语音能力的桌面版 ChatGPT，目前仍未重新支持新版语音体验。

OpenAI 表示，相较于现行 Advanced Voice Mode，GPT-Live 最大的提升并非只有反应速度，而是整体语音交流品质。 公司为此建立全新的人工评测体系，针对对话舒适度（pleasantness）及整体交流流畅性（flow of conversation）进行评估，并安排5至10分钟一对一盲测。

测试结果显示，无论 GPT-Live-1 或 GPT-Live-1 mini，在整体交流体验 （Overall Preference）、轮流说话自然程度（Turn-taking）、遭用户打断后的恢复能力（Interruptions）、对话流畅性（Conversational Flow），以及整体是否更接近真人交流（Naturalness） 等多项指标，均明显优于Advanced Voice Mode，这也是OpenAI决定全面取代旧版语音模型的重要原因。

技术方面，GPT-Live 最大的升级在于采用原生全双工语音架构，突破过去 AI 语音助理普遍采用「你说一句、我答一句」的 Turn-based 模式。 新模型可一边聆听、一边理解使用者内容，同时实时准备回应，不必等待完整句子结束才开始辨识，因此能判断用户只是短暂停顿思考，或是真正结束发言; 若用户中途插话，模型也能立即停止回答重新倾听，再自然接续对话，使互动更贴近真人交流。

除对话体验提升外，GPT-Live还新增多项功能，包括实时双向翻译（Live Translation）、更精准的语音听写（Dictation）、更自然的停顿、语调及情绪反馈，并可依照用户要求即时调整说话速度。 例如，当用户要求「可以说慢一点吗」，模型会直接重新调整语音节奏，而非仅降低音频播放速度。

OpenAI强调，GPT-Live并非只是新的语音模型，而是整个 ChatGPT 能力体系的统一入口。 当用户提出需要复杂推理的问题时，系统可自动切换至 GPT-5.5 处理; 若需要查询最新资讯，则可直接调用 Web Search; 涉及天气、股票、体育等实时信息时，也能自动呼叫相应能力，再将结果自然地以语音方式回复，用户无须手动切换不同模型。

随着语音互动越来越接近真人交流，OpenAI此次也同步升级安全防护机制。 官方表示，当系统侦测到可能涉及不安全内容时，将依风险程度采取不同措施，包括引导模型产生更安全的回复、主动显示安全提醒，若判定属高风险情况，甚至可直接结束语音对话。

针对未成年用户，OpenAI也将既有家长监护功能延伸至 ChatGPT Voice。 家长可直接关闭青少年账号的语音功能; 若已开放使用，而系统侦测到青少年试图将对话导向自残等高风险内容，系统也会主动通知家长，以提升未成年使用安全。

OpenAI表示，GPT-Live目前已向全球ChatGPT用户陆续开放，并针对ChatGPT最常使用的多种语言完成优化。 不过，官方坦言部分语言仍可能存在非母语口音或流畅度不足等问题，团队将持续改善多语言表现。

此外，新版GPT-Live首波推出仍有部分限制，目前尚未支持视频及屏幕共享语音模式，相关功能仍在开发中。 现阶段若使用者需要在视讯或共享画面情境下进行语音互动，仍须使用既有的 ChatGPT Voice（Legacy Voice） 模式。 OpenAI表示，待API正式开放后，GPT-Live将成为提供开发者实时AI语音能力的核心模型，进一步推动语音成为AI时代的主要互动入口。