TokenFly
登录

GPT-Live 语音

OpenAI 全新一代全双工语音模型，让 ChatGPT 语音对话更自然、更聪明、更会倾听

语音合成
https://openai.com/
前往官网

深度报告

  • GPT-Live 是 OpenAI 于 2026 年 7 月 8 日发布的新一代语音模型，用于驱动 ChatGPT Voice 的全部语音对话体验。它从底层改用「全双工架构」，让 AI 可以同时听和说，对话不再是回合制。付费用户默认使用完整版 GPT-Live-1，免费用户使用轻量版 GPT-Live-1 mini。官方称，每周有超过 1.5 亿人通过语音或听写功能与 ChatGPT 交谈，这次升级是这批用户最直接的体验跃迁。

  • OpenAI 的语音路线走过三代。最早的级联语音系统（Standard Voice）把语音拆成「转写—推理—合成」三个模型串起来，信息在环节间流失，响应慢而僵硬。2024 年的 Advanced Voice Mode（高级语音模式）改用单一端到端模型处理音频流，延迟大幅下降，但它仍是回合制——靠检测静音来判断用户是否说完，一旦你停顿或背景有噪音，它就容易误判并抢话。GPT-Live 要解决的就是这个「对讲机」式交互。它并非一个独立 App，而是 ChatGPT 所有能力的新语音入口；真正干重活的推理仍交给后台前沿模型，发布时挂的是 GPT-5.5。

  • 最核心的变化是「连续交互」。全双工架构让模型在生成语音的同时持续聆听，每秒做多次决策：现在该说话、继续听、停顿、打断还是调用工具。于是你插话时它能立刻停、你卡壳时它会安静等待、它还会用「嗯嗯」「明白了」这类垫话让你知道它跟上了。OpenAI 还重新混音了 ChatGPT 内置的九种声音，让每种音色更有辨识度。 第二项架构变化是「委派」。当你的问题需要搜网页、深度推理或多步任务时，GPT-Live 把活儿甩给后台的 GPT-5.5，前台继续陪你聊，结果算完再自然接回对话。你还能在语音界面右侧滑块里选推理强度：Instant 极速、Medium 均衡、High 最优。 除此之外，GPT-Live 新增了实时语音翻译（口述一句外语，AI 无延迟翻成另一种），并在谈天气、股票、赛事时弹出可视化卡片；语音依旧支持搜索、记忆、图片与文件上传。需要视频或屏幕共享时，仍可切回旧版高级语音模式。

  • GPT-Live 本身不是一个单独售卖的产品，而是 ChatGPT 既有订阅体系内的能力升级。Go、Plus、Pro 用户默认获得满血版 GPT-Live-1，免费用户拿到 GPT-Live-1 mini。可用性随地区与套餐分批灰度，发布初期 Live 不向 Business、Enterprise、Edu 工作空间开放。换句话说，这是一次「存量用户的体验增值」，不创造新收费点，但通过把语音做成更强的入口，巩固了 ChatGPT 作为日常助手的黏性。

  • 正面反馈集中在「自然度」。不少重度语音用户表示，打断、轮番接话、自然停顿都明显优于上一代，陪伴感强。在 OpenAI 自己做的 5 到 10 分钟真人盲测里，GPT-Live-1 整体偏好率 75.7%，mini 也达 69.2%，均大幅甩开 Advanced Voice Mode 的 50% 打平线；流畅度与愉悦度 7 分制评分中，GPT-Live-1（4.96/5.19）压过上代（3.80/3.82）。 负面声音同样突出。最大的槽点是「过度热情」：AI 频繁用「嗯嗯」「对啊」垫话，本意是给心理安全感，实际却显得啰嗦甚至烦人。有用户抱怨它总打断人。另有早期缺陷被官方确认：语音模式下部分场景读不到历史对话上下文（记忆不稳定）、朗读其他语种时带英文口音、偶发卡顿。对本来就少用语音的人，感知变化有限。

  • 媒体普遍认为这是语音交互从「能对话」到「像真人」的关键一步。技术派指出，真正的质变未必来自语音层本身，而来自后台委派给 GPT-5.5——在硬核基准上差距巨大：专家级科学推理 GPQA 上，GPT-Live-1 高推理档准确率达 84.2%，近乎 Advanced Voice Mode（45.3%）的两倍；复杂智能体网页搜索 BrowseComp 上，上代仅 0.7%（基本不可用），GPT-Live-1 冲到 75.2%。这意味着语音回答不再是文字回答的「降级版」。竞品格局上，它直接对标 Google Gemini Live、字节豆包等实时语音助手，把「语音即 AI 入口」的争夺推到前台。

  • 安全是这次发布的重点。GPT-Live 内置实时护栏：检测到不安全内容时，可引导到更安全的回复、弹出提示、提供文字求助资源，高风险情形直接结束对话。针对青少年，它把家长控制扩展到 ChatGPT Voice，高风险信号下可通知关联家长。模型还被训练为「不模仿真人声线」，防止声音克隆。不过，伴随「情感依赖」风险，OpenAI 也上线了针对情感依赖的长期监测。这些机制仍在随真实使用迭代。

  • 它适合把 ChatGPT 当陪练的人：练外语、通勤闲聊、讲睡前故事、免提交互。重度语音用户提升最明显。如果你需要视频或屏幕共享、或身处 Business/Enterprise/Edu 工作区，暂时得用旧版高级语音模式。嫌垫话太多的人，可以试着在设置里给它「保持安静、继续听」的指令，或降低推理档位减少话密。对严肃长文写作或代码，语音仍不如打字高效。想尝鲜先确认 App 已更新、语音选项里出现「Live」标识。

  • GPT-Live 把 ChatGPT 语音从「对讲机」升级成「电话」，自然度和可用性都上了一个台阶，但「过度热情」的垫话与早期记忆缺陷仍需打磨；它会是 OpenAI 押注语音入口的第一块基石。

用户评论

  • 头像
    Phillip_Murphy033
    —
    从对讲机升级成电话，这个比喻很准。它不再死盯着我有没有沉默，停顿就是停顿，不再被背景噪音骗去抢话。
  • 头像
    Christian.Gonzalez_77
    —
    整体比我预期顺，卡顿很少，官方确认的几个早期 Bug 我也碰到了记忆不稳，但无伤大雅，日常用已经回不去了。
  • 头像
    RavenRocketRodriguez
    —
    给孩子讲题的时候用 High 档，它会多想一会儿再答，准确率比 Instant 高不少，代价是回话前多等几秒。我对比过同一道几何题，Instant 偶尔跳步给错方向，High 会先把条件列清楚再推，虽然慢一点但靠谱得多，辅导作业还是值得开高档。
  • 头像
    菊花_2
    —
    有个坑要提醒：语音模式下它有时候读不到之前文字聊天的上下文，我让它接着昨天的方案聊，它居然失忆了，得重新把背景讲一遍。官方确认这是早期 Bug 正在修，但重度用户最好别在语音里承接长线任务，先文字聊清楚再切语音更稳。
  • 头像
    Brenda.Foster
    —
    问天气的时候屏幕上直接弹出可视化卡片，边说边看比分和预报，这种图文并茂的回法挺实用的。
  • 头像
    Jason.FloresSr
    —
    重度语音党表示提升明显，以前基本不用语音的同事试了说「也就那样」，所以感知差异真的看使用频率。我每天通勤一个多小时全靠它，从导航问路到顺手梳理当天待办，这次升级后最爽的是它不再因为车里广播声误判我停下说话，抗噪确实强了。
  • 头像
    EMjac
    —
    想要视频或者屏幕共享的话，Live 暂时不支持，得切回旧版高级语音模式，这点发布说明里写清楚了。
  • 头像
    孔晨强
    —
    我妈用它讲睡前故事，说声音比之前温柔了，九种音色重做之后辨识度确实高了一些。
  • 头像
    tIGERtRADEhILL
    —
    它朗读日语和韩语的时候带明显英文口音，OpenAI 自己也说某些语言还有 gap，希望后面迭代能修掉。
  • 头像
    Reid547
    —
    免费用户是 mini 版，能感觉到比 Plus 的满血版话少一点、反应慢半拍，但日常通勤闲聊完全够用。
  • 头像
    RCampbell_2020465
    —
    我是练口语用的，让它把我说的一句英文翻成日文，延迟低到几乎感觉不到，比对着翻译软件念强太多。
  • 头像
    ShirleySmithZ
    —
    问了个需要查网页的问题，它前台继续跟我闲聊，后台把结果带回来再接上，这体验确实比上一代聪明一大截。等于前台那张嘴一直在陪你，后台的大脑去查资料，合起来才叫真正的助手，而不是只会照本宣科的播音员。
  • 头像
    胡红
    —
    实测打断真的很自然，我在它回答到一半时改了问题，它直接顺着新意思接下去，没有重新来过的尴尬停顿。
  • 头像
    Frances_Walker_2023675
    —
    刚更新完就试了半小时，最大的感受是它能接住我中途插话，不用等它说完。以前高级语音模式我一停顿它就抢答，这次终于不急了，对话节奏明显更像跟人聊天而不是跟机器对讲。
  • 头像
    EAllenIII574
    —
    「嗯嗯」「对啊」这种垫话确实多了点，讲着讲着它老插一句，刚开始觉得贴心，聊久了有点烦。

相关链接

同类产品