OpenAI 推出了 GPT-Live，这是一对新的语音模型，可通过实现同步说和听来增强与 ChatGPT 的交互，类似于人类对话。 GPT-Live-1 和 GPT-Live-1 mini 模型于发布当天开始在 iOS、Android 和 ChatGPT.com 上在全球推出。 GPT-Live-1 将作为付费用户的默认语音模型，而 GPT-Live-1 mini 则指定给免费用户。 OpenAI 还计划通过 API 向开发人员提供这些模型。
这标志着 ChatGPT 语音技术在两年内推出了第三代，OpenAI 旨在创造更流畅的用户体验，比简单地查询搜索引擎感觉更自然。关键的创新是“全双工架构”，它允许模型连续处理传入的音频，同时生成语音响应。
据 OpenAI 称，这种新架构可以实现快速交互决策，允许在用户仍在说话时进行“嗯嗯”和“明白了”等对话确认，并且可以更有效地管理中断。以前的高级语音模式依赖于回合制交流，有时会因短暂停顿或背景噪音而导致尴尬的中断。
在 GPT-Live 中，语音交互和推理功能是分离的，允许系统继续对话，同时将复杂的查询委托给后端模型，特别是 GPT-5.5。这一转变旨在促进更流畅的交互体验，使语音代理能够执行查询数据库等任务，而不会中断对话流。 OpenAI 预计这种结构变化将改善企业应用程序，实现更复杂的交互。
OpenAI 报告称，每周有超过 1.5 亿用户使用语音功能，这反映出语音交互在各种应用程序中日益重要，包括语言练习和免提协助。 GPT-Live 引入了增强功能，例如显示上下文信息的可视卡以及三个响应推理级别：即时、中和高。
OpenAI 实施了新的安全措施来解决与实时语音交互相关的风险。其中包括针对高风险情况的实时保障以及针对情感依赖和语音通信特有的其他危险的评估。与之前的高级语音模式相比，非法行为和自残等各个类别的安全分数都有显着提高。
包括谷歌、字节跳动和英伟达在内的竞争对手也在全双工语音技术领域取得进展。 OpenAI 面临挑战，包括有限的语言支持和最初缺乏 API 访问，这可能会阻碍其市场渗透。尽管存在这些障碍，OpenAI 仍打算让 GPT-Live 将语音建立为 AI 交互的主要界面，从而有可能在未来带来更复杂的任务管理功能。
<小时/>
