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 - 球探体育平台

OpenAI 于 7 月 9 日公布了其 GPT-Live 系列模型，这类新一代全双工语音模型能够同时进行听与说，旨在使人工智能对话体验更贴近真人交流。

目前，GPT-Live 系列提供了 GPT-Live-1 和 GPT-Live-1 mini 两个版本。即日起，全球 ChatGPT 用户均可使用。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。

在架构设计上，GPT-Live 系列采用了全双工模式，不再受限于单轮对话结束后再进行响应。它能够实时处理输入和输出信息，模型可以“每秒多次”地自主判断何时说话、继续倾听、暂停、打断或调用工具，从而显著提升了对话的真实感。

面对复杂的任务，GPT-Live 系列模型能够分离处理连续的交互和深入的推理。它在前台维持流畅的语音对话流，同时将网页搜索、复杂推理或其他更高级的任务委托给后台的 GPT-5.5 系列模型执行。具体而言：

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

OpenAI 表示，公司为此开发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的流畅性。在为期 5-10 分钟的配对对话测试中，通过整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标进行评估，GPT-Live-1 和 GPT-Live-1 mini 模型获得了比先前 Advanced Voice Mode 更高的偏好得分。

OpenAI 透露，目前每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动，这些应用场景涵盖了免提日常协助、语言学习、睡前故事以及通勤时的闲聊。新版本还增加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。

在安全方面，OpenAI 进行了多维度的评估，包括对自伤、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的音频原生评测、合成音频评测以及内部红队测试。官方表示，该模型在几乎所有评估维度上均能达到或超越 Advanced Voice Mode 的水平。