OpenAI正式發佈基於GPT-Live架構的全新ChatGPT語音體驗，標誌着其語音技術迎來一次重大架構躍遷。相比 2024 年推出的Advanced Voice Mode，新版語音不再依賴傳統語音系統，而是轉向專爲智能語音代理打造的實時音頻模型。

image.png

早在今年 5 月，OpenAI就公佈了迄今最先進的實時語音模型GPT-Realtime-2，將GPT- 5 級別的推理能力引入實時音頻交互場景。這套模型能更好地處理複雜請求，更穩定地追蹤長對話上下文，並在保持自然語速和語氣的同時完成多步驟任務。如今基於GPT-Live架構的新一代語音體驗進一步拉高了交互上限，讓ChatGPT真正具備了"同時說話、傾聽和思考"的能力。

像真人一樣接話、不打斷、還會"嗯哼"

全雙工架構是本次升級的核心，它打破了傳統語音助手"你說完我再答"的排隊模式。在實際交互中，GPT-Live能在用戶停頓或放慢語速時，自然地插入"okay""嗯哼"等輕微語氣反饋，而不會粗暴打斷完整語句。當用戶需要思考片刻時，模型也會主動保持安靜，避免產生打擾感。

打斷控制方面同樣表現出色，用戶可以隨時插話或改變問題方向，模型會即時調整迴應邏輯，順暢接上新的對話目標。更關鍵的是，新語音體驗還能處理需要聯網搜索、深度推理或複雜任務規劃的問題，後臺默認調用GPT-5. 5 模型生成答案。這意味着用戶在語音場景下獲得的不僅是更接近人類的對話節奏，也包括與文本模式相近的"重思考"能力。

兩個版本齊發，從免費用戶到企業客戶全覆蓋

OpenAI同步推出GPT-Live- 1 和GPT-Live-1 mini兩個版本，覆蓋不同層級用戶。ChatGPT Go、Plus和Pro等付費用戶默認使用功能更全面的GPT-Live-1，免費用戶則獲得由mini版本驅動的語音體驗。對開發者和企業客戶而言，兩款模型均通過API開放接入，方便其構建新一代語音代理和垂類應用。

從節奏來看，OpenAI正加速將"對講機式"語音助手升級爲更接近真人對話的全雙工智能代理模式。隨着GPT-Realtime- 2 與GPT-Live相繼落地，ChatGPT語音模式正在從簡單的語音問答工具，轉變爲能在語音環境下執行復雜任務、維持長時互動的"智能對話夥伴"。