OpenAI 发布 GPT-Live 全双工语音模型

OpenAI 于周三发布了两款全双工语音模型——GPT-Live-1 和 GPT-Live-1 mini。它们能让 ChatGPT 同时进行听和说，不再局限于此前 AI 语音助手常见的轮流对话模式。新模型已在全球范围逐步上线。

知道何时安静的语音模型

GPT-Live 架构解决了语音 AI 最常见的痛点：无法处理对话中的自然重叠。用户不再需要遵守严格的问答节奏，GPT-Live-1 可以接收打断、发出简短确认，并继续流畅表达。

OpenAI 语音模型研究负责人 Kundan Kumar 表示：“GPT-Live 能持续与用户保持对话。”他称这是 OpenAI 迄今为止“最智能的语音模型”。Kumar 是语音 AI 研究员，此前在 Character.AI 工作，自 2026 年初起领导 OpenAI 的音频模型开发。

路由与视觉补充

当 GPT-Live-1 遇到需要深度推理或实时信息的查询时，它会自动将请求路由到 OpenAI 的文本模型进行处理，包括网络搜索功能——整个过程不中断语音对话。新模型还能在讨论天气、股票、体育等话题时生成 AI 创建的视觉信息，将纯语音交流与多模态呈现连接起来。

拥挤的 AI 发布周

GPT-Live 的发布正值今年 AI 行业最忙碌的一周之一。OpenAI 还计划于周四公开发布其最先进的文本模型 GPT-5.6 Sol，此前应政府要求的延期已被解除。Meta 本周发布了 Muse 图像生成模型，xAI 据传正与编码工具公司 Anysphere 合作开发新模型。

GPT-Live 系列代表了从今年 5 月 OpenAI 面向开发者的 GPT-Realtime-2 起步的工作最终落地到消费端。那时，GPT-Realtime-2 通过 API 将 GPT-5 级别的推理能力带给了语音交互。如今，全双工音频已覆盖 ChatGPT 的数亿用户，OpenAI 押注语音将成为 AI 的主要交互界面——而不仅仅是一种便利功能。