新上线今天0 投票
OpenAI发布全新语音模型，实现更自然的实时对话
OpenAI今日发布了两款新型对话模型——GPT-Live-1和GPT-Live-1 mini，宣称它们听起来更自然，并能在对话中更好地处理“轮替”问题。这些模型采用全双工设计，即可以同时说话和聆听，让用户能够自然地打断对话，并支持实时翻译等功能。
从即日起，ChatGPT中的高级语音模式将默认替换为GPT-Live-1 mini。付费用户则可使用更大的GPT-Live-1模型。此前，ChatGPT的语音模式依赖于一个由语音转文本、大语言模型和文本转语音三部分串联而成的管线，这导致了响应延迟和打断用户等问题。新模型通过端到端的方式解决了这些痛点，使得对话更加流畅自然。
在媒体简报会上，OpenAI展示了新模型的几个关键能力：它能够长时间保持沉默，在需要时才介入；当用户提问时，它会将查询发送至最新的文本模型（如GPT-5.5）以获取搜索、推理或智能体能力，同时保持对话的连贯性。此外，新语音模式还能以视觉形式呈现部分信息，例如显示图表或图片，这与其他创业公司（如Monogram）的交互式助手思路不谋而合。
OpenAI认为，语音可能成为未来复杂工作的主要计算界面。ChatGPT语音产品负责人Atty Eleti透露，他本人曾用该功能进行过长达30至40分钟的散步对话。公司观察到，超过1.5亿人使用ChatGPT的语音和听写功能。尽管有报道称OpenAI可能推出AI耳机硬件，但本次发布会并未涉及硬件产品。
这一更新标志着AI语音交互从“命令-响应”模式向持续、双向对话的转变。随着全双工模型和更智能的后端推理能力结合，语音助手有望承担更复杂的任务，如实时翻译、长时会议记录甚至代理型工作流。对于开发者而言，GPT-Live系列模型也意味着更低的延迟和更高的交互自然度，可能催生新的应用场景。
