OpenAI 向 ChatGPT 消费者用户推出全双工 GPT-Live 语音功能

OpenAI于周三开始向ChatGPT消费者用户推出重建的语音模式，用两个模型取代高级语音模式， GPT-Live-1和GPT-Live-1 mini，它们可以同时听到用户并做出回应。

该更新将向免费和付费消费者账户开放，并比该公司发布GPT-5.6模型家族提前一天推出。

转向GPT Live的主要原因是架构上的。虽然以前的语音模型会等待人类说话者说完句子，但GPT-Live基于OpenAI的全双工架构运行，该架构涉及在处理输入语音的同时生成输出语音。

根据OpenAI的公告，该模型每秒多次决定是否说话、继续倾听、暂停、插话或求助于工具。在实践中，这意味着用户可以打断它，停下来思考而不被打断，或者听到它发出“嗯哼”声以表示它正在跟进。

OpenAI将GPT-Live引入ChatGPT语音

免费ChatGPT账户现在默认使用GPT-Live-1 mini，而Go、Plus和Pro层级的订阅者则获得更大的GPT-Live-1。

此次更新涵盖iOS、Android和网页，并且由于ChatGPT已通过CarPlay工作，9to5Mac指出该更新也登陆了汽车。OpenAI表示，ChatGPT中的九个声音已为新模式重新制作。

它还表示，它构建GPT-Live是为了成为一个对话者，而不是推理引擎。对于更复杂的请求，GPT-Live不能独自处理一切。根据OpenAI的说法，语音模型能够将网络搜索、推理甚至多步答案等任务委托给GPT-5.5，而无需暂停语音对话。

这旨在解决ChatGPT早期语音模式的主要缺点之一，即它有时似乎比打字功能弱。用户还可以选择快速响应模式和高努力模式。

OpenAI还添加了近乎实时的语音翻译以及天气、股票价格和体育比分的视觉卡片，让用户在屏幕上获得一些答案，而不是让ChatGPT大声朗读所有内容。该公司表示，每周已有超过1.5亿人使用ChatGPT的语音和听写等功能。

GPT-Live改善了语音流，但仍有差距

据TechCrunch报道，该媒体采访了OpenAI的新闻发布会，印地语翻译带有强烈的美国口音，语言非常生硬和书面化。

根据OpenAI的说法，该模型在“ChatGPT中最常用的某些语言”中表现最佳，尽管他们警告说在某些语言中口音或流利度可能会出现问题。此外，OpenAI表示，目前不支持语音与视频和屏幕共享相结合。

虽然OpenAI将GPT-Live推销为其整个模型阵容中更人性化的版本，但它坚持认为它不是AI伴侣。该公司还强调了其为确保青少年获得适龄回应而采取的安全措施。它还补充说，如果用户对话涉及自残，已准备好危机资源。

Live和高级语音对话的音频片段保留30天，除非用户选择分享，否则不会用于训练模型。

ChatGPT语音产品负责人Atty Eleti在简报会上表示，他在散步时曾与该功能进行过30到40分钟的对话，并认为语音可能成为人们执行更长、更复杂任务的主要方式。

我们看到人们使用Codex和ChatGPT完成的令人惊叹的用例，我们认为语音可以成为所有类型工作的未来界面

—— Eleti 通过 TechCrunch

GPT-5.6发布将时机聚焦

语音更新与OpenAI安排在周四发布的模型发布是分开的。

据Cryptopolitan报道，在商务部解除其国家安全审查期间实施的禁运后，GPT-5.6获准公开发布，并提供三个版本：Sol、Terra和Luna。

GPT-Live将在消费者推出后到达OpenAI的API，开发者可以注册获取访问权限。