OpenAI 推出全新语音对话模型 GPT-Live-1 系列，重构实时语音交互体验

全新语音架构：从串行到全双工 OpenAI 正式发布两款原生语音对话模型——GPT-Live-1 和 GPT-Live-1 mini。二者均基于全双工语音架构设计，首次实现「边说边听、边听边想、边想边应」的连续交互能力。与过去依赖「语音转文字→文本推理→文字转语音」三段式流程不同，新模型在用户开口的瞬间即启动理解与响应准备，支持自然打断、无缝插话与多轮语义延续，真正贴近人类对话节奏。 能力升级：更懂何时说话，更会回答复杂问题 此次升级重点解决两大长期痛点：一是系统误判用户停顿而提前插话；二是面对多步骤、跨领域或需外部调用的复杂请求时响应乏力。新模型在语音层持续运行的同时，可将语义意图实时路由至更先进的文本后端（如 GPT-5.5），从而动态调用搜索、逻辑推理、工具调用或代理执行等能力，使语音不再仅是输入输出通道，而是智能任务入口。 默认启用与分层服务 GPT-Live-1 mini 已作为 ChatGPT 语音功能的默认模型面向所有用户上线。付费订阅用户则可解锁完整版 GPT-Live-1，获得更强的上下文记忆深度、更长的连续对话稳定性及更丰富的多语言实时处理能力。目前，ChatGPT 的语音与听写功能已覆盖超 1.5 亿活跃用户。 不止于说话：静默理解与多模态延伸 新模型具备「主动静默」能力——可在用户长时间不发声期间持续建模上下文，保持对话状态不丢失；当用户再次开口，系统能基于此前完整语境即时响应。此外，语音指令可触发非语音反馈：例如查询天气时同步显示可视化图表，解释数学公式时生成分步图示，实现语音驱动的轻量级多模态交互。 务实演进：不追求拟人陪伴，专注可靠任务协同 OpenAI 明确表示，GPT-Live 系列并非以「情感陪伴」或「人格化角色」为目标，而是聚焦于提升信息获取、任务执行与跨语言协作的效率与可靠性。模型内置分层安全机制：面向青少年用户自动适配表达方式与内容尺度；对高风险话题（如自伤倾向）可识别语义并主动提供权威支持资源链接，而非仅作合规回应。当前版本已在数十种主流口语场景中完成针对性优化，但暂未公开具体语种清单与口音适配细节。