GPT-Live 发布：全新全双工语音模型

OpenAI 今日正式发布 GPT-Live，这是一款新一代语音模型，旨在让与 AI 的对话更像真人交谈。

全双工架构，实时交互

GPT-Live 基于全双工架构构建，能够同时听和说。在对话中，它可以用“嗯”、“是的”等回应表示正在倾听，也能进行快速来回交流，或在用户思考时保持安静。这一设计让语音体验更加自然流畅。

智能委派，深度推理

GPT-Live 是迄今为止最智能的语音模型。当遇到需要搜索、更深推理或复杂任务的问题时，它会在后台将任务委派给最新前沿模型（如 GPT-5.5），并在结果就绪时带回对话中。委派期间，GPT-Live 仍可继续与用户交谈，保持对话连贯。首发版本后台使用 GPT-5.5，未来将持续更新。

两种版本，即时可用

今日起，OpenAI 向全球 ChatGPT 用户推出两个版本的 GPT-Live：GPT-Live-1 和 GPT-Live-1 mini。后续将提供 API，开发者和企业可通过 此表单 注册接收通知。

技术演进：从级联到连续交互

上一代语音系统采用级联方式，将语音转文字、大语言模型、文字转语音串联处理，导致信息损失和响应缓慢。

原始 ChatGPT 语音 就是这种架构。

后续的回合制模型（如 ChatGPT 高级语音模式）虽降低了延迟，但仍需等待用户说完才能响应，交互显得生硬。

GPT-Live 通过两项架构革新解决了这些问题：

1. 连续交互：模型每秒多次做出交互决策（说话、倾听、暂停、打断、调用工具），实现更自然的来回对话、更好的时间感知，甚至实时翻译。
   音频示例

2. 任务委派：将负责连续交互的 GPT-Live 与深层工作解耦。当需要搜索、推理或调用代理能力时，GPT-Live 可委派给 GPT-5.5 等模型，同时保持对话进行。
   音频示例

性能评估

在 5-10 分钟的人机对话评测中，GPT-Live-1 和 GPT-Live-1 mini 在总体偏好、轮流说话、打断控制、对话流畅性和自然度上均显著优于高级语音模式。

• GPQA（科学推理）：GPT-Live-1 大幅领先
• BrowseComp（代理式网页搜索）：GPT-Live-1 表现强劲
• τ³-Voice Telecom（多轮电信支持任务）：GPT-Live-1 同样领先

日常使用体验升级

每周超过 1.5 亿人通过语音功能与 ChatGPT 交流。现在，点击语音按钮即可获得由 GPT-Live 驱动的改进体验：

• 更自然的对话（可打断、停顿、要求减速）
• 更智能的答案（可选用即时、中、高三种推理力度）
• 更好的倾听（等待思考、保持安静、聚焦用户声音）
• 丰富的视觉卡片（天气、股票、体育等）
• 支持搜索、记忆、图像和文件上传

安全设计

GPT-Live 自设计之初就注重安全。它基于最新模型的安全成果，增加了针对语音的专项安全训练。

OpenAI 扩展了音频原生评估，创建了合成评估聚焦于自残、精神病、情感依赖、暴力、色情等内容，并由内部专家进行红队测试。

当检测到潜在不安全输出时，系统可引导模型给出更安全的回应、显示额外资源或在高风险情况下结束语音对话。针对自残话题，模型会提供专家验证的危机热线支持。

对于青少年用户，模型内置了适龄行为训练，家长可通过家长控制功能选择是否允许语音模式，并在高风险情况下（如自残或自杀倾向）收到通知。

长期监测将重点关注情感依赖，结合此前的 情感使用与幸福感研究 不断优化安全保障。

GPT-Live 使用预定义语音，安全措施防止模仿真人声音。

可用性与未来计划

GPT-Live 即日起向 iOS、Android 和 ChatGPT.com 的全球 ChatGPT 用户逐步推出。Go、Plus 和 Pro 用户默认使用 GPT-Live-1，免费用户默认使用 GPT-Live-1 mini。更多详情见 帮助中心。

模型已针对最常用语言优化，部分语言可能存在口音或流畅度不足，OpenAI 正在积极改进。

首发版本不支持语音视频或屏幕共享，这些功能将很快加入。用户仍可访问旧版语音模式（标准模式和高级语音模式）使用这些功能。