OpenAI推出GPT-Live语音模型 实现真人感同时听说

作者:技术拾光

时间:2026-07-09

浏览:422

OpenAI推出GPT-Live语音模型,支持全双工对话,能同时聆听并说话,通过“嗯哼”等简短回应增强真实感。基于GPT-5.5,可实时翻译、展示天气等视觉信息,不打断用户思考。面向全球发布GPT-Live-1和mini版本,提供更自然流畅的语音交互体验。

文章目录

美东时间周三,OpenAI正式发布了新一代语音模型GPT-Live。官方给出的定位很明确:让用户和AI的对话,越来越像和真人聊天。至于具体怎么个像法,几句话还真说不清楚。不过可以确定的是,GPT-Live将逐步取代现有的ChatGPT语音体验。

OpenAI推出GPT-Live语音模型 实现真人感同时听说

官方数据显示,每周有超过1.5亿人在使用ChatGPT的语音和听写功能。从日常的免提辅助、语言练习,到睡前故事,甚至通勤路上的闲聊,应用场景已经相当广泛。

此前的ChatGPT语音依靠的是较早期、基于回合制的模型,反应不算准确,对话流畅度也经常被用户吐槽。而GPT-Live最大的突破在于:它可以同时进行聆听和说话,并且会通过“嗯哼”这类简短回应,告诉用户“我在认真听”。这套模型是为持续交互专门设计的,每秒多次判断是继续说话、聆听、暂停、打断,还是调用工具。

ChatGPT-Live在和用户对话中会使用“嗯哼”等短语表示它正在聆听

在最新的官方更新说明中,OpenAI写道:“现在跟ChatGPT对话,感觉更接近真实的交流。你可以随时提问、停顿思考,甚至要求它放慢语速。它会自然地回应你——‘嗯’、‘明白了’,让你知道它一直跟上你的节奏。此外,GPT-Live还重新制作了ChatGPT的九种不同语音。”

OpenAI表示,GPT-Live是目前最智能的语音模型,基于最新的前沿模型(当前是GPT-5.5),能处理网络搜索、深度推理和复杂任务。在任务执行过程中,它可以继续对话,你甚至不用等待结果,模型会主动给出反馈。与此同时,它还支持实时翻译,并能用丰富的视觉卡片展示天气、股票、体育等实时信息。

一个很贴心的细节是:当用户停顿思考时,ChatGPT Voice会耐心等待,不会贸然打断。就算周围有车辆驶过或他人交谈的背景噪音,模型也能更专注于用户的声音,不至于被干扰带偏。

“这是一个双全工模型,”OpenAI产品负责人Atty Eleti在简报会上解释,“意味着它可以同时进行说话和聆听。从模型层面看,它能持续、同步地处理输入流并生成输出流。”

OpenAI宣布,从周三开始面向全球ChatGPT用户推出两个版本:GPT-Live-1和GPT-Live-1 mini。GPT-Live-1是Go、Plus和Pro用户的默认版本,而GPT-Live-1 mini则是免费用户的默认版本。

使用方式很简单:点击ChatGPT界面上的语音按钮,就能直接体验GPT-Live对话。目前该模型还不支持在ChatGPT内进行语音通话或屏幕共享,但OpenAI表示正在推进这项功能,预计会尽快上线。

实用工具推荐

电子包浆

绿化、压缩、噪点和虚拟水印,自由调节做旧程度。

使用 ›
图片压缩

选择画质和输出格式,预览压缩前后的大小。

使用 ›