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

IT之家 7 月 9 日消息，OpenAI 今天（7 月 9 日）发布 GPT-Live 系列模型，定位新一代全双工语音模型，可同时聆听与说话，让 AI 对话感觉更接近真人。GPT-Live 系列模型目前开放 GPT-Live-1 与 GPT-Live-1 mini 两个版本，即日起向全球 ChatGPT 用户开放，其中官方面向 Go、Plus 和 Pro 订阅用户开放 GPT-Live-1 模型，免费用户可以调用 GPT-Live-1 mini  模型。IT之家附上相关视频如下：架构方面，GPT-Live 系列模型采用全双工架构，不再依赖单轮结束后再响应，可在同一时间持续处理输入和输出，模型可“每秒多次”判断是否说话、继续倾听、暂停、打断或调用工具，从而让对话更接近真人聊天体验。在面对复杂任务时，GPT-Live 系列模型拆分处理连续交互和深度推理。模型在前台维持语音对话流，同时把网页搜索、复杂推理或更复杂任务委托给 GPT-5.5 系列模型后台执行：GPT-Live-1（instant）与 GPT-Live-1 mini 调用 GPT-5.5 InstantGPT-Live-1 Medium 调用 GPT-5.5 Thinking Medium 推理强度GPT-Live-1 High 用 GPT-5.5 Thinking High 推理强度性能方面，OpenAI 介绍，公司专门建立了一套新的人工评测体系，重点考察语音交流中的舒适度（pleasantness）和整体交流流畅性（flow of conversation）。相比较此前 Advanced Voice Mode，在时长 5-10 分钟的配对对话中，基于整体偏好、轮次衔接、打断情况、对话流畅度与自然度等衡量指标，GPT-Live-1 与 GPT-Live-1 mini 模型的偏好得分更高。用户规模方面，OpenAI 披露，每周有超过 1.5 亿人通过 Voice 和 Dictation 等功能与 ChatGPT 语音交互，应用场景包括免手持日常协助、语言练习、睡前故事与通勤闲聊。新版本还支持在语音对话中展示天气、股票、体育等可视化卡片，并继续支持搜索、记忆、图片和文件上传。安全方面，OpenAI 表示，GPT-Live 在自伤、精神病性症状与躁狂、对 AI 的情感依赖、暴力及性内容等领域接受了音频原生评测、合成音频评测与内部红队测试。官方称，该模型在几乎所有评估维度上与 Advanced Voice Mode 相当或更优。