OpenAI 釋出 GPT-Live：支援邊聽邊說，後臺可呼叫 GPT-5.5

用過舊版 ChatGPT 語音模式的人，大概都經歷過這種尷尬：你稍微停下來想半秒鐘，它就以為你說完了急著插話；或者它滔滔不絕講了一大堆，你想打斷它還得先伸手按一下螢幕。

OpenAI 終於把這種像用對講機一樣的彆扭體驗換掉了。7 月 8 日，OpenAI 推出新一代語音模型 GPT-Live，全量推送到 iOS、Android 和網頁端的 ChatGPT Voice 中。付費訂閱使用者能用上完整的 GPT-Live-1，免費使用者則預設切換到 GPT-Live-1 mini，後續也會開放 API 介面。

邊聽邊聊，還能叫它先閉嘴

這次最大的改動在於底層換成了全雙工架構。說白了就是它能一邊聽你說話，一邊自己開口，每秒鐘能做好幾次互動判定，決定是接著聽、插句話，還是乾脆安靜下來。

所以現在聊起來很像真人，它會在你說話時發出「嗯哼」「知道了」這類的輕聲回應，讓你知道它在聽。如果你正在理思路，只要叫它先閉嘴聽著，它就會默默吸收對話上下文，直到你再次喚出它。

官方還重製了現有的九種聲音，並且支援邊說邊在螢幕上彈出天氣、股票、賽事這類視覺卡片。ChatGPT 語音產品主管 Atty Eleti 透露，他在散步時甚至能連續跟它聊上三四十分鐘。

不過現場演示也露了怯。在演示印地語的即時雙向翻譯時，AI 的發音帶著濃重的美式口音，用詞也偏向生硬的書面語。很顯然，在主流英語之外的語言適配上，它還沒那麼地道。

前臺負責陪聊，後臺交給 GPT-5.5 動腦

以往語音大模型最大的兩難在於：反應快的模型腦子笨，腦子聰明的模型延遲高得讓人想掛電話。

OpenAI 這次想了個分工的招數。前臺的 GPT-Live 專門負責接話和維持對話節奏，一旦遇到需要聯網搜尋、邏輯推理或複雜呼叫的任務，它會在後臺悄悄分派給 GPT-5.5 去跑，跑出結果再自然地帶回對話裡，期間前臺還能陪你繼續扯閒篇。

使用者甚至能手動選擇推理深度，想要反應快就選 Instant，想要深度思考就切換到 Medium 或 High。在官方公佈的基準測試中，GPT-Live-1 在科學推理測試 GPQA 和網頁搜尋測試 BrowseComp 上的得分，都大幅超過了舊版的高階語音模式。

安全方面 OpenAI 這次收得很緊，不僅加入了 SynthID 音訊水印和驗證工具，還針對自殘、心理健康等高危場景設定了危機熱線干預和強制中斷機制。這很大程度上也是因為 OpenAI 眼下正面臨多起法律訴訟，被指控 ChatGPT 加劇了部分使用者的妄想和精神困擾。

為什麼重要

我們認為，這次更新最聰明的地方，在於 OpenAI 終於放棄了讓同一個模型既拼命幹活又保持嘴碎的幻想。把流暢接話和深度推理拆成前後兩套模型，既保住了不到一秒的人性化互動延遲，又不用犧牲前沿模型的推理能力。

對普通人來說，每週超過 1.5 億使用 ChatGPT 語音功能的人，總算不用再遷就機器的停頓節奏了。無論是開車時隨口問事，還是練習外語口語，它的可用性都達到了完全不同的層次，現在就非常值得開啟手機試一次。

但在行業層面，這場語音入口爭奪戰才剛進入白熱化。蘋果和亞馬遜都在加速改造自家的老牌助手，像 Brendan Iribe 創辦的 Sesame、以及剛拿到 4000 萬美元融資的 Monogram 這類初創公司，也都在搶佔多模態與後臺代理聯動的生態位。

行業裡早有傳聞稱 OpenAI 打算在今年推出自己的 AI 耳機硬體。看起來 GPT-Live 就是在給真正的無螢幕語音計算鋪路，畢竟如果語音助手動不動就插嘴搶話，戴在耳朵上的體驗只會是一場災難。只要 OpenAI 能夠逐步磨平非英語語種的發音生硬問題，語音介面很可能會真正從玩具變成人們呼叫複雜計算的首選通道。