OpenAI 推出 GPT-Live-1 语音模型
TechCrunch AI··作者 Ivan Mehta
关键信息
OpenAI 表示，这些新模型可以边说边听，从而改善轮流发言，并支持自然的打断。公司还说，系统可以在保持语音对话的同时，把请求转交给 GPT-5.5 等更新的文本模型，以获得搜索、推理或代理能力。
资讯摘要
OpenAI 发布了两款新的对话式语音模型 GPT-Live-1 和 GPT-Live-1 mini，并表示它们能让实时对话听起来更自然。 这两款模型采用全双工设计，意味着它们可以边听边说，目标是改善轮流发言的体验，并让用户打断时更自然。OpenAI 表示，ChatGPT 现有的 Advanced Voice Mode 将默认切换到 GPT-Live-1 mini，而付费用户可以使用更大的 GPT-Live-1 模型。公司解释说，之前的语音系统由语音转文字、大语言模型和文字转语音三个部分串联组成。相比之下，新语音模式可以在持续对话的同时，把请求转给 GPT-5.5 之类更新的文本模型，以获得搜索、推理或代理能力。OpenAI 还演示了模型可以长时间保持安静，吸收对话上下文，等被叫到时再继续回应。
公司表示，新语音模式还可以因为接入了更新的 GPT 模型而用视觉方式展示部分信息。ChatGPT Voice 产品负责人 Atty Eleti 在发布会上说，他曾在散步时与该功能进行过 30 到 40 分钟的长时间对话，并称 OpenAI 认为语音可能成为复杂、长时任务的主要计算接口。OpenAI 还表示，已有超过 1.5 亿人通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音交流。演示同时暴露了一些不足：在印地语实时翻译中，助手带有很重的美国口音，印地语也显得不够自然，甚至有些书面化。OpenAI 说新模式针对“多数口语语言”进行了优化，但没有具体说明包括哪些语言。公司还强调，这并不是要做一个 AI 伴侣，并表示系统内置了针对青少年的安全保护，以及在对话涉及自伤等话题时提供资源的机制。
资讯正文
OpenAI 今天发布了两款新的对话模型，名为 GPT-Live-1 和 GPT-Live-1 mini，并称它们听起来更自然，且能更好地处理轮流发言。这两款模型采用全双工架构，这意味着它们可以同时说话和聆听，使用户能够自然打断，并支持实时翻译等功能。
该公司还将用 GPT-Live-1 mini 默认替代 ChatGPT 现有的 Advanced Voice Mode。付费层级用户将能够使用更大的 GPT-Live-1 模型。此前的模型将语音转文本模型用于转录语音，大型语言模型用于生成回复，文本转语音模型则用于输出最终答案。
该公司在一次新闻发布会上表示，新模型解决了诸如在用户说话时打断用户，以及智能不足以回答问题等问题。OpenAI 的新模型会将查询发送给其最新的文本模型，例如用于搜索、推理或代理能力的 GPT-5.5，同时继续进行对话。
OpenAI 还展示了该模型可以长时间保持沉默，并吸收对话上下文，直到被调用时再作答。此外，由于新的语音模式可以接入更新的 GPT 模型，它也能以可视化格式呈现部分信息。其他初创公司，如从 DST 和 Lux Capital 获得 4000 万美元种子轮融资的 Monogram，也在押注视觉响应，以让助手更具交互性。
该公司表示，ChatGPT 中新的语音模式旨在支持更长时间的对话。在发布会上，ChatGPT Voice 的产品负责人 Atty Eleti 表示，他在散步时曾与语音功能进行过 30 到 40 分钟的长对话。
OpenAI 认为，语音可能会成为复杂工作的主要计算交互界面。此前有报道称，该公司今年可能推出一对具备 AI 能力的耳塞。不过，OpenAI 并未提供任何硬件产品方面的信息。
“随着时间推移，我们认为这也将解锁将语音作为一种主要计算界面的能力，并用于处理越来越复杂、持续时间更长的代理式工作。我们看到人们利用 Codex 和 ChatGPT 完成的那些令人惊叹的用例，我们认为语音可以成为各类工作的未来交互界面。”Eleti 说。
过去几年里，OpenAI 一直在加强基于语音的功能，以让 ChatGPT 的语音模式听起来更自然。该公司表示，已有超过 1.5 亿人使用 Voice 和 Dictation 等功能与 ChatGPT 对话。
竞争对手也在尝试让助手变得更有表现力。
Apple 和 Amazon 都更新了各自的助手，使其更具对话性，并拥有更好的上下文处理能力。由 Oculus 联合创始人 Brendan Iribe 和 Ankit Kumar 创立的 Sesame 等初创公司，也推出了更自然的 AI 助手，这些助手在后台完成任务的同时，还能进行更自然的对话。
OpenAI 也在朝着同样的方向前进，目标是让用户能够更长时间地免提与其助手对话。尽管该公司声称新的语音模式听起来更自然，但它强调并不是要把这做成一款 AI 伴侣。公司指出，新模型内置了保护机制，能够针对青少年提供适龄回应，并在对话转向自残等话题时提供资源。
新的语音模式仍然需要完善。在演示中，当公司展示其印地语实时翻译功能时，助手带有很重的美国口音，而且说出的印地语听起来不自然，语气还有些书面化。公司表示，新模式针对“最常用的口语”进行了优化，但没有说明具体是哪些语言。
来源与参考
收录于 2026-07-09