OpenAI 发布 GPT-Live：支持边听边说，后台可调用 GPT-5.5

用过旧版 ChatGPT 语音模式的人，大概都经历过这种尴尬：你稍微停下来想半秒钟，它就以为你说完了急着插话；或者它滔滔不绝讲了一大堆，你想打断它还得先伸手按一下屏幕。

OpenAI 终于把这种像用对讲机一样的别扭体验换掉了。7 月 8 日，OpenAI 推出新一代语音模型 GPT-Live，全量推送到 iOS、Android 和网页端的 ChatGPT Voice 中。付费订阅用户能用上完整的 GPT-Live-1，免费用户则默认切换到 GPT-Live-1 mini，后续也会开放 API 接口。

边听边聊，还能叫它先闭嘴

这次最大的改动在于底层换成了全双工架构。说白了就是它能一边听你说话，一边自己开口，每秒钟能做好几次交互判定，决定是接着听、插句话，还是干脆安静下来。

所以现在聊起来很像真人，它会在你说话时发出「嗯哼」「知道了」这类的轻声回应，让你知道它在听。如果你正在理思路，只要叫它先闭嘴听着，它就会默默吸收对话上下文，直到你再次唤出它。

官方还重制了现有的九种声音，并且支持边说边在屏幕上弹出天气、股票、赛事这类视觉卡片。ChatGPT 语音产品主管 Atty Eleti 透露，他在散步时甚至能连续跟它聊上三四十分钟。

不过现场演示也露了怯。在演示印地语的实时双向翻译时，AI 的发音带着浓重的美式口音，用词也偏向生硬的书面语。很显然，在主流英语之外的语言适配上，它还没那么地道。

前台负责陪聊，后台交给 GPT-5.5 动脑

以往语音大模型最大的两难在于：反应快的模型脑子笨，脑子聪明的模型延迟高得让人想挂电话。

OpenAI 这次想了个分工的招数。前台的 GPT-Live 专门负责接话和维持对话节奏，一旦遇到需要联网搜索、逻辑推理或复杂调用的任务，它会在后台悄悄分派给 GPT-5.5 去跑，跑出结果再自然地带回对话里，期间前台还能陪你继续扯闲篇。

用户甚至能手动选择推理深度，想要反应快就选 Instant，想要深度思考就切换到 Medium 或 High。在官方公布的基准测试中，GPT-Live-1 在科学推理测试 GPQA 和网页搜索测试 BrowseComp 上的得分，都大幅超过了旧版的高级语音模式。

安全方面 OpenAI 这次收得很紧，不仅加入了 SynthID 音频水印和验证工具，还针对自残、心理健康等高危场景设置了危机热线干预和强制中断机制。这很大程度上也是因为 OpenAI 眼下正面临多起法律诉讼，被指控 ChatGPT 加剧了部分用户的妄想和精神困扰。

为什么重要

我们认为，这次更新最聪明的地方，在于 OpenAI 终于放弃了让同一个模型既拼命干活又保持嘴碎的幻想。把流畅接话和深度推理拆成前后两套模型，既保住了不到一秒的人性化互动延迟，又不用牺牲前沿模型的推理能力。

对普通人来说，每周超过 1.5 亿使用 ChatGPT 语音功能的人，总算不用再迁就机器的停顿节奏了。无论是开车时随口问事，还是练习外语口语，它的可用性都达到了完全不同的层次，现在就非常值得打开手机试一次。

但在行业层面，这场语音入口争夺战才刚进入白热化。苹果和亚马逊都在加速改造自家的老牌助手，像 Brendan Iribe 创办的 Sesame、以及刚拿到 4000 万美元融资的 Monogram 这类初创公司，也都在抢占多模态与后台代理联动的生态位。

行业里早有传闻称 OpenAI 打算在今年推出自己的 AI 耳机硬件。看起来 GPT-Live 就是在给真正的无屏幕语音计算铺路，毕竟如果语音助手动不动就插嘴抢话，戴在耳朵上的体验只会是一场灾难。只要 OpenAI 能够逐步磨平非英语语种的发音生硬问题，语音界面很可能会真正从玩具变成人们调用复杂计算的首选通道。