OpenAI今日正式发布基于GPT‑Live的全新ChatGPT语音体验，这是其语音技术路线的一次重要架构升级。相比此前在2024年面向更多用户推出的AdvancedVoiceMode，新版语音模式不再依赖传统的语音系统，而是转向专为智能语音代理打造的实时音频模型。
AdvancedVoiceMode当年凭借更自然的对话、响应速度提升以及对打断的支持，一度被视为语音助手体验的进步，但OpenAI随后推出的新一代实时语音模型迅速让这套旧技术显露出局限。
早在今年5月，OpenAI就公布了其迄今最先进的实时语音模型GPT‑Realtime‑2，将GPT‑5级别的推理能力引入实时音频交互场景。相比过去只强调“说得快、答得上”的语音系统，GPT‑Realtime‑2能更好地处理复杂请求，更稳定地追踪长对话上下文，并在保持自然语速和语气的同时完成多步骤任务。在此基础上，OpenAI现在又发布了基于GPT‑Live架构的新一代ChatGPT语音体验，进一步拉高了语音助手的交互上限。
此次升级的核心在于GPT‑Live这一全双工语音模型架构，它允许ChatGPT“同时说话、倾听和思考”，而不再像传统语音助手那样必须你说完我再回应。在实际交互中，GPT‑Live能在用户停顿或放慢语速时，自然地插入“okay”“嗯哼”等轻微语气反馈，而不是粗暴打断完整语句。当用户需要思考片刻时，模型也可以有意识地选择保持安静，避免产生打扰感。
在打断控制方面，用户可以随时插话或改变问题方向，模型会即时调整回应逻辑，顺畅地接上新的对话目标。OpenAI表示，新的语音体验还可以处理需要联网搜索、更深层推理或复杂任务规划的问题，因为背后调用的是其最新的“前沿模型”来生成答案，目前GPT‑Live在后台默认使用的是GPT‑5.5。这意味着用户在语音场景下获得的，不仅是更接近人类的对话节奏，也包括与文本模式相近的“重思考”能力。
OpenAI还同步宣布，将向全球ChatGPT用户推出两个版本的GPT‑Live模型：GPT‑Live‑1和GPT‑Live‑1mini。其中，ChatGPTGo、Plus和Pro等付费层用户将默认使用功能更全面的GPT‑Live‑1，而免费用户则会获得由GPT‑Live‑1mini驱动的语音体验。对开发者和企业客户而言，这两款模型也将通过API开放接入，方便其构建新一代语音代理和垂类应用。
从节奏来看，OpenAI正在加速将传统的“对讲机式”语音助手形态，升级为更接近真人对话的全双工智能代理模式。随着GPT‑Realtime‑2与GPT‑Live等模型相继落地，ChatGPT语音模式正在从简单的语音问答工具，转变为能够在语音环境下执行复杂任务、维持长时互动的“智能对话伙伴”。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】