OpenAI 发布 GPT-Live-1 与 mini：全双工语音让 ChatGPT 可“边听边说”
据 IT之家 7 月 9 日消息，OpenAI 于当天发布 GPT-Live 系列语音模型，定位为新一代全双工语音模型，核心变化是让 AI 不再等待用户说完一整轮后才回应，而是可以在对话过程中同时聆听、判断和发声。此次开放的版本包括 GPT-Live-1 与 GPT-Live-1 mini，面向全球 ChatGPT 用户推出：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。
从“轮流说话”到实时互动：语音 AI 的体验门槛被抬高
过去多数语音助手采用的是相对明确的回合制交互：用户说完，系统识别语音、理解意图，再生成并播放回复。这种模式在查天气、设提醒等任务中已经足够，但一旦进入闲聊、语言练习、教学辅导或复杂协作场景，就容易出现等待感、打断困难、节奏不自然等问题。
GPT-Live 系列的关键在于全双工架构。来源显示，该模型可在同一时间持续处理输入与输出，并且能够“每秒多次”判断下一步动作：是继续说、继续听、暂停、接受打断，还是调用工具。这意味着 ChatGPT 的语音模式更接近人与人聊天中的动态节奏，而不是简单的语音输入加文本回复。
对于中文用户熟悉的 AI 语音产品来说，这类能力的重点不只是“声音更像真人”，而是模型是否能理解对话中的停顿、犹豫、插话和补充说明。真正自然的语音交互，需要模型在低延迟、语义理解、对话管理和工具调用之间保持平衡。
复杂任务交给后台模型，前台维持语音流
在架构分工上，OpenAI 将 GPT-Live 系列设计为前台语音交互与后台深度处理并行。来源称，模型会在前台维持连续语音对话流，同时把网页搜索、复杂推理或更复杂任务委托给 GPT-5.5 系列模型执行。
- GPT-Live-1（instant）与 GPT-Live-1 mini 调用 GPT-5.5 Instant。
- GPT-Live-1 Medium 调用 GPT-5.5 Thinking Medium 推理强度。
- GPT-Live-1 High 使用 GPT-5.5 Thinking High 推理强度。
这种设计思路类似于把“聊天主持人”和“后台专家”拆开：前者负责让对话不中断，后者负责处理更重的搜索、分析和推理。对用户而言，理想体验是 AI 可以一边回应“我正在查”，一边在后台完成任务，而不是长时间沉默。
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。这说明 OpenAI 正在把语音模式从单纯的聊天入口，扩展为一个可连接工具、文件和多模态信息的实时助手界面。
OpenAI 强调语音舒适度评测，安全边界仍是重点
性能评估方面，OpenAI 表示其建立了新的人工评测体系，重点观察语音交流中的舒适度和整体流畅性。相较此前 Advanced Voice Mode，在 5 到 10 分钟的配对对话中，GPT-Live-1 与 GPT-Live-1 mini 在整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标上获得更高偏好得分。
用户规模也是这次发布的重要背景。OpenAI 披露，每周有超过 1.5 亿人通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音交互，场景包括免手持日常协助、语言练习、睡前故事和通勤闲聊。如此大的语音使用量，意味着语音模型不再只是演示能力，而正在成为 ChatGPT 的高频入口。
安全方面，OpenAI 称 GPT-Live 在自伤、精神病性症状与躁狂、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。官方表示，该模型在几乎所有评估维度上与 Advanced Voice Mode 相当或更优。对于更像真人的语音 AI 来说，情感依赖与高风险内容处理将是长期绕不开的治理问题。
影响解读：语音可能成为 AI 助手的下一层操作系统入口
GPT-Live 的发布表明，大模型竞争正在从“谁更会写答案”进一步延伸到“谁更会实时协作”。当模型能边听边说、能被自然打断、能在对话中调用搜索和文件能力时，语音就不只是输入方式，而可能成为 AI 助手与用户协作的主界面。
对产业而言，这会影响智能耳机、车载助手、会议工具、教育陪练和办公自动化等多个方向。尤其在免手持场景中，全双工语音能显著降低用户操作成本，让 AI 更像随时在场的协作者。不过，体验提升也会带来更高的隐私、安全和心理边界要求。接下来，语音 AI 的竞争重点可能不只是音色和延迟，而是自然交互、可靠推理、工具执行与安全控制的综合能力。