OpenAI 推 GPT-Live 全雙工語音，聊天不再你一句我一句

OpenAI 最近放出 GPT-Live，一款重新定義人機語音互動的模型。過去我們用語音助手，模式很笨：你說完，停下來，等它回，再接著說。GPT-Live 打破了這個回合制，它支援 全雙工通訊——模型可以一邊聽一邊說，你能自然插話，它也會用「嗯」「明白了」這類語氣詞表示在聽，你思考時它還會耐心等著。

模型分兩個版本。GPT-Live-1 面向 Go、Plus 和 Pro 訂閱使用者，GPT-Live-1 mini 面向免費使用者，兩者正在網頁、iOS 和安卓上全球推送。OpenAI 透露，每週使用 ChatGPT 語音功能的使用者已經超過 1.5 億，這意味著這可能是本月份最受關注的消費級 AI 產品釋出。

架構上的差別才是關鍵。GPT-Live 不是把一個語音介面硬套在文字模型上，而是從零開始設計的流式模型：它持續處理輸入、持續生成輸出，每秒能做好幾次「該說、該聽、該停、該打斷，還是該調工具」的判斷，底層跑著 GPT-5.5 來做複雜推理。這讓實時翻譯、通勤時的擴音助手、對話式輔導都變得自然得多。

真正有意思的是它對「實時」的重新定義。傳統語音助手像對講機，按下說、鬆開聽；GPT-Live 則像和人面對面聊天，雙方的資訊流是同時流動的。這種看似細微的改變，其實繞開了過去語音 AI 最大的尷尬：那種明顯的機械感和延遲感。

OpenAI 的 Atty Eleti 說得很直白：未來人們會透過語音，去打理那些越來越複雜、耗時、且需要智慧體自主完成的任務。OpenAI 押注的下一個主入口是語音，而不是文字。看得出來，這家公司正在把互動的重心，從鍵盤悄悄挪向嘴巴。

把這件事放進行業裡看，語音正在從「附屬功能」變成「主戰場」。當模型能像人一樣自然對話，很多原本需要打字和點選的場景，會被一句話接管。對普通使用者來說，最實在的變化或許是：以後再也不用對著手機一頓戳，開口就能把事辦了。從 Siri 到 GPT-Live，蘋果和 OpenAI 在語音入口上的代差，正被實時全雙工這一刀拉開。誰先把「開口辦事」變成肌肉記憶，誰就握住了下一代人機互動的遙控器。