OpenAI 最智能语音模型：GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天 - 开云体育

OpenAI 于 7 月 9 日公布了其最新的 GPT-Live 系列模型，旨在提供新一代全双工语音能力，实现 AI 能够同时倾听与回应，从而使人机对话体验更加贴近真人交流。

目前，GPT-Live 系列推出了 GPT-Live-1 和 GPT-Live-1 mini 两个版本，并已向全球 ChatGPT 用户开放。其中，GPT-Live-1 模型将提供给 Go、Plus 和 Pro 订阅用户，而免费用户则可以使用 GPT-Live-1 mini 模型。

在技术架构上，GPT-Live 系列采用了全双工设计，打破了以往需要单轮对话结束后才能进行响应的模式。新模型能够实时处理输入和输出信息，并能“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用外部工具，显著提升了对话的流畅度和自然感。

面对复杂的任务请求，GPT-Live 系列模型能够分解处理，实现连续交互和深度推理。它能在前端维持语音对话的流畅进行，同时将网页搜索、复杂推理或更高级的任务交由 GPT-5.5 系列模型在后台处理。具体而言：

• GPT-Live-1（instant）与 GPT-Live-1 mini 将调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 将利用 GPT-5.5 Thinking Medium 的推理能力。
• GPT-Live-1 High 则会使用 GPT-5.5 Thinking High 的推理强度。

OpenAI 在性能评估方面，特别建立了一套新的人工评测体系，重点关注语音交流中的舒适度和整体对话流畅性。与之前的 Advanced Voice Mode 相比，在 5-10 分钟的配对对话测试中，GPT-Live-1 和 GPT-Live-1 mini 在整体偏好度、轮次衔接、打断情况、对话流畅度和自然度等指标上均取得了更高的分数。

在用户规模和应用场景方面，OpenAI 透露，每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动，这些场景涵盖了免提日常辅助、语言学习、睡前故事以及通勤过程中的闲聊。新版本还引入了在语音对话中展示天气、股票、体育等可视化卡片的功能，并继续支持搜索、记忆、图片和文件上传等功能。

关于安全性，OpenAI 表示，GPT-Live 模型在自残、精神疾病症状、对 AI 的情感依赖、暴力及性内容等多个敏感领域，均接受了包括原生音频评测、合成音频评测以及内部红队测试在内的严格评估。官方数据显示，在绝大多数评估维度上，GPT-Live 系列模型的表现均能达到或优于 Advanced Voice Mode。