今日，OpenAI正式发布GPT-Live系列模型，定位新一代全双工语音模型，让AI对话从此可以同时聆听与说话。即日起，GPT-Live-1与GPT-Live-1 mini两个版本向全球ChatGPT用户开放，其中Go、Plus和Pro订阅用户可使用GPT-Live-1，免费用户则可调用GPT-Live-1 mini。
与以往“你说一句、我答一句”的回合制模式不同，GPT-Live采用全双工架构，可在同一时间持续处理输入和输出，模型能够“每秒多次”判断是否说话、继续倾听、暂停、打断或调用工具。用户可以在AI回应时随时打断，AI也会在用户停顿思考时耐心等待，甚至用“嗯”“对”“明白”等简短回应表明正在倾听。
面对网页搜索、复杂推理等任务时，GPT-Live将前台语音对话流与后台深度推理分离，把复杂工作委托给GPT-5.5系列模型处理，同时保持对话流畅进行。性能方面，OpenAI专门建立了一套新的人工评测体系，重点考察语音交流的舒适度和整体流畅性。在5到10分钟的配对对话测试中，基于整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标，GPT-Live-1和mini版本的偏好得分均高于此前的Advanced Voice Mode。
目前每周已有超过1.5亿人通过Voice和Dictation等功能与ChatGPT进行语音交互，应用场景涵盖免手持日常协助、语言练习、睡前故事与通勤闲聊。新版本还支持在语音对话中展示天气、股票、体育等可视化卡片，并继续支持搜索、记忆、图片和文件上传。安全方面，GPT-Live在自伤、精神病性症状、对AI的情感依赖、暴力及性内容等领域接受了音频原生评测、合成音频评测与内部红队测试，官方称其在几乎所有评估维度上与Advanced Voice Mode相当或更优。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/757032.html
