OpenAI最强语音模型：GPT-Live登场，让AI对话更接近真人聊天

IT之家 7 月 9 日消息，最强OpenAI 正式推出 GPT-Live 系列模型。语音作为新一代全双工语音模型，模型GPT-Live 突破了传统交互限制，登对话支持同时聆听与发言，场让旨在消除 AI 对话中的更接机械感，带来更接近真人的人聊自然交流体验。

版本开放与订阅权益

目前，最强GPT-Live 系列首发 GPT-Live-1与 GPT-Live-1 mini两个版本，语音即日起面向全球 ChatGPT 用户开放。模型

• 付费用户：ChatGPT Go、登对话Plus 和 Pro 订阅用户可调用性能更强的场让 GPT-Live-1模型。
• 免费用户：可免费使用 GPT-Live-1 mini模型。更接

相关演示视频如下：

核心架构：真正的人聊全双工实时交互

GPT-Live 系列采用全新的全双工架构，彻底摒弃了“单轮结束再响应”的最强传统模式。模型具备在同一时间持续处理输入与输出的能力，能够以“每秒多次”的频率动态判断当前状态：

• 是否说话
• 继续倾听
• 暂停
• 打断对方
• 调用工具

这种毫秒级的响应机制，使得 AI 能够像真人一样在对话中自然插话、倾听或回应，极大提升了交互的真实感。

智能分工：前台对话与后台推理协同

面对复杂任务，GPT-Live 系列采用了“前台维持流，后台深推理”的协同策略：

1. 前台：维持流畅的语音对话流，确保用户交互无延迟。
2. 后台：将网页搜索、复杂逻辑推理等高负载任务委托给 GPT-5.5 系列模型执行。

具体调用策略如下：

性能评测：舒适度与流畅度显著提升

OpenAI 建立了一套全新的人工评测体系，重点考察语音交互中的舒适度（Pleasantness）和整体交流流畅性（Flow of Conversation）。

在与此前 Advanced Voice Mode 的对比测试中（基于 5-10 分钟配对对话），GPT-Live-1 与 GPT-Live-1 mini 在以下维度表现更优：

• 整体用户偏好得分
• 轮次衔接自然度
• 打断处理的合理性
• 对话流畅度与自然度

用户规模与功能扩展

OpenAI 披露，目前每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音交互。应用场景涵盖：

• 免手持日常协助
• 语言学习练习
• 睡前故事讲述
• 通勤闲聊

此外，新版本在语音对话中新增了对可视化卡片的支持，可实时展示天气、股票、体育赛事等信息。同时，继续保留搜索、记忆、图片及文件上传等核心功能。

安全与伦理评估

在安全性方面，OpenAI 对 GPT-Live 进行了严格的音频原生评测、合成音频检测及内部红队测试，重点覆盖以下领域：

• 自伤风险
• 精神病性症状
• 躁狂倾向
• AI 情感依赖
• 暴力及性内容

官方表示，GPT-Live 在几乎所有安全评估维度上均达到或超越了 Advanced Voice Mode 的水平。

(责任编辑：探索)