TokenFly

GPT-Live 語音

OpenAI 全新一代全雙工語音模型，讓 ChatGPT 語音對話更自然、更聰明、更會傾聽

語音合成
https://openai.com/
前往官網

深度報告

  • GPT-Live 是 OpenAI 於 2026 年 7 月 8 日釋出的新一代語音模型，用於驅動 ChatGPT Voice 的全部語音對話體驗。它從底層改用「全雙工架構」，讓 AI 可以同時聽和說，對話不再是回合制。付費使用者預設使用完整版 GPT-Live-1，免費使用者使用輕量版 GPT-Live-1 mini。官方稱，每週有超過 1.5 億人透過語音或聽寫功能與 ChatGPT 交談，這次升級是這批使用者最直接的體驗躍遷。

  • OpenAI 的語音路線走過三代。最早的級聯語音系統（Standard Voice）把語音拆成「轉寫—推理—合成」三個模型串起來，資訊在環節間流失，響應慢而僵硬。2024 年的 Advanced Voice Mode（高階語音模式）改用單一端到端模型處理音訊流，延遲大幅下降，但它仍是回合制——靠檢測靜音來判斷使用者是否說完，一旦你停頓或背景有噪音，它就容易誤判並搶話。GPT-Live 要解決的就是這個「對講機」式互動。它並非一個獨立 App，而是 ChatGPT 所有能力的新語音入口；真正乾重活的推理仍交給後臺前沿模型，釋出時掛的是 GPT-5.5。

  • 最核心的變化是「連續互動」。全雙工架構讓模型在生成語音的同時持續聆聽，每秒做多次決策：現在該說話、繼續聽、停頓、打斷還是呼叫工具。於是你插話時它能立刻停、你卡殼時它會安靜等待、它還會用「嗯嗯」「明白了」這類墊話讓你知道它跟上了。OpenAI 還重新混音了 ChatGPT 內建的九種聲音，讓每種音色更有辨識度。 第二項架構變化是「委派」。當你的問題需要搜網頁、深度推理或多步任務時，GPT-Live 把活兒甩給後臺的 GPT-5.5，前臺繼續陪你聊，結果算完再自然接回對話。你還能在語音介面右側滑塊裡選推理強度：Instant 極速、Medium 均衡、High 最優。 除此之外，GPT-Live 新增了實時語音翻譯（口述一句外語，AI 無延遲翻成另一種），並在談天氣、股票、賽事時彈出視覺化卡片；語音依舊支援搜尋、記憶、圖片與檔案上傳。需要影片或螢幕共享時，仍可切回舊版高階語音模式。

  • GPT-Live 本身不是一個單獨售賣的產品，而是 ChatGPT 既有訂閱體系內的能力升級。Go、Plus、Pro 使用者預設獲得滿血版 GPT-Live-1，免費使用者拿到 GPT-Live-1 mini。可用性隨地區與套餐分批灰度，釋出初期 Live 不向 Business、Enterprise、Edu 工作空間開放。換句話說，這是一次「存量使用者的體驗增值」，不創造新收費點，但透過把語音做成更強的入口，鞏固了 ChatGPT 作為日常助手的黏性。

  • 正面反饋集中在「自然度」。不少重度語音使用者表示，打斷、輪番接話、自然停頓都明顯優於上一代，陪伴感強。在 OpenAI 自己做的 5 到 10 分鐘真人盲測裡，GPT-Live-1 整體偏好率 75.7%，mini 也達 69.2%，均大幅甩開 Advanced Voice Mode 的 50% 打平線；流暢度與愉悅度 7 分制評分中，GPT-Live-1（4.96/5.19）壓過上代（3.80/3.82）。 負面聲音同樣突出。最大的槽點是「過度熱情」：AI 頻繁用「嗯嗯」「對啊」墊話，本意是給心理安全感，實際卻顯得囉嗦甚至煩人。有使用者抱怨它總打斷人。另有早期缺陷被官方確認：語音模式下部分場景讀不到歷史對話上下文（記憶不穩定）、朗讀其他語種時帶英文口音、偶發卡頓。對本來就少用語音的人，感知變化有限。

  • 媒體普遍認為這是語音互動從「能對話」到「像真人」的關鍵一步。技術派指出，真正的質變未必來自語音層本身，而來自後臺委派給 GPT-5.5——在硬核基準上差距巨大：專家級科學推理 GPQA 上，GPT-Live-1 高推理檔準確率達 84.2%，近乎 Advanced Voice Mode（45.3%）的兩倍；複雜智慧體網頁搜尋 BrowseComp 上，上代僅 0.7%（基本不可用），GPT-Live-1 衝到 75.2%。這意味著語音回答不再是文字回答的「降級版」。競品格局上，它直接對標 Google Gemini Live、位元組豆包等實時語音助手，把「語音即 AI 入口」的爭奪推到前臺。

  • 安全是這次釋出的重點。GPT-Live 內建實時護欄：檢測到不安全內容時，可引導到更安全的回覆、彈出提示、提供文字求助資源，高風險情形直接結束對話。針對青少年，它把家長控制擴充套件到 ChatGPT Voice，高風險訊號下可通知關聯家長。模型還被訓練為「不模模擬人聲線」，防止聲音克隆。不過，伴隨「情感依賴」風險，OpenAI 也上線了針對情感依賴的長期監測。這些機制仍在隨真實使用迭代。

  • 它適合把 ChatGPT 當陪練的人：練外語、通勤閒聊、講睡前故事、擴音互動。重度語音使用者提升最明顯。如果你需要影片或螢幕共享、或身處 Business/Enterprise/Edu 工作區，暫時得用舊版高階語音模式。嫌墊話太多的人，可以試著在設定裡給它「保持安靜、繼續聽」的指令，或降低推理檔位減少話密。對嚴肅長文寫作或程式碼，語音仍不如打字高效。想嚐鮮先確認 App 已更新、語音選項裡出現「Live」標識。

  • GPT-Live 把 ChatGPT 語音從「對講機」升級成「電話」，自然度和可用性都上了一個臺階，但「過度熱情」的墊話與早期記憶缺陷仍需打磨；它會是 OpenAI 押注語音入口的第一塊基石。

使用者評論

  • 頭像
    Phillip_Murphy033
    —
    從對講機升級成電話，這個比喻很準。它不再死盯著我有沒有沉默，停頓就是停頓，不再被背景噪音騙去搶話。
  • 頭像
    Christian.Gonzalez_77
    —
    整體比我預期順，卡頓很少，官方確認的幾個早期 Bug 我也碰到了記憶不穩，但無傷大雅，日常用已經回不去了。
  • 頭像
    RavenRocketRodriguez
    —
    給孩子講題的時候用 High 檔，它會多想一會兒再答，準確率比 Instant 高不少，代價是回話前多等幾秒。我對比過同一道幾何題，Instant 偶爾跳步給錯方向，High 會先把條件列清楚再推，雖然慢一點但靠譜得多，輔導作業還是值得開高檔。
  • 頭像
    菊花_2
    —
    有個坑要提醒：語音模式下它有時候讀不到之前文字聊天的上下文，我讓它接著昨天的方案聊，它居然失憶了，得重新把背景講一遍。官方確認這是早期 Bug 正在修，但重度使用者最好別在語音裡承接長線任務，先文字聊清楚再切語音更穩。
  • 頭像
    Brenda.Foster
    —
    問天氣的時候螢幕上直接彈出視覺化卡片，邊說邊看比分和預報，這種圖文並茂的回法挺實用的。
  • 頭像
    Jason.FloresSr
    —
    重度語音黨表示提升明顯，以前基本不用語音的同事試了說「也就那樣」，所以感知差異真的看使用頻率。我每天通勤一個多小時全靠它，從導航問路到順手梳理當天待辦，這次升級後最爽的是它不再因為車裡廣播聲誤判我停下說話，抗噪確實強了。
  • 頭像
    EMjac
    —
    想要影片或者螢幕共享的話，Live 暫時不支援，得切回舊版高階語音模式，這點發布說明裡寫清楚了。
  • 頭像
    孔晨強
    —
    我媽用它講睡前故事，說聲音比之前溫柔了，九種音色重做之後辨識度確實高了一些。
  • 頭像
    tIGERtRADEhILL
    —
    它朗讀日語和韓語的時候帶明顯英文口音，OpenAI 自己也說某些語言還有 gap，希望後面迭代能修掉。
  • 頭像
    Reid547
    —
    免費使用者是 mini 版，能感覺到比 Plus 的滿血版話少一點、反應慢半拍，但日常通勤閒聊完全夠用。
  • 頭像
    RCampbell_2020465
    —
    我是練口語用的，讓它把我說的一句英文翻成日文，延遲低到幾乎感覺不到，比對著翻譯軟體念強太多。
  • 頭像
    ShirleySmithZ
    —
    問了個需要查網頁的問題，它前臺繼續跟我閒聊，後臺把結果帶回來再接上，這體驗確實比上一代聰明一大截。等於前臺那張嘴一直在陪你，後臺的大腦去查資料，合起來才叫真正的助手，而不是隻會照本宣科的播音員。
  • 頭像
    胡紅
    —
    實測打斷真的很自然，我在它回答到一半時改了問題，它直接順著新意思接下去，沒有重新來過的尷尬停頓。
  • 頭像
    Frances_Walker_2023675
    —
    剛更新完就試了半小時，最大的感受是它能接住我中途插話，不用等它說完。以前高階語音模式我一停頓它就搶答，這次終於不急了，對話節奏明顯更像跟人聊天而不是跟機器對講。
  • 頭像
    EAllenIII574
    —
    「嗯嗯」「對啊」這種墊話確實多了點，講著講著它老插一句，剛開始覺得貼心，聊久了有點煩。

相關連結

同類產品