OpenAI 发布 GPT-Live-1 语音模型，主打全双工自然对话

OpenAI 于本周正式推出两款面向实时对话场景的语音模型 GPT-Live-1 与 GPT-Live-1 mini，并同步将 ChatGPT 默认的 Advanced Voice Mode 替换为 GPT-Live-1 mini。公司表示新模型在自然度、轮换控制上较旧版有显著改善，并支持用户随时打断，是其语音产品线一次重要的底层架构升级。

模型核心能力：全双工与长对话

GPT-Live-1 系列定位为全双工（full-duplex）语音模型，可在同一通道内同时"听"与"说"，无需等待用户说完再响应，从而支持更自然的轮换与打断行为，官方也将现场口译列为典型用例之一。

• 旧版架构为「语音转文字 → 大语言模型生成回复 → 文字转语音」三段式管线；新模型则将对话过程作为整体直接处理。
• 在长程对话中，模型可在被点名之前保持沉默并持续吸收上下文，适用于步行、驾车等需要免提的情境。
• 产品负责人 Atty Eleti 透露，他在散步时与该语音模式连续对话 30 至 40 分钟。

架构升级：默认替换，并接入 GPT-5.5

OpenAI 同步对 ChatGPT 的默认语音模式完成替换：免费与入门层级将直接使用 GPT-Live-1 mini，付费用户可启用更强的 GPT-Live-1。在对话进行中，模型会按需将查询转发至最新文本模型（如 GPT-5.5），以调用搜索、推理与智能体（agent）能力，同时保持语音通道不中断。

此外，新语音模式具备一定的视觉呈现能力，可结合文本模型输出图文混排的内容，与同期部分创业公司（如获 DST、Lux Capital 4000 万美元种子轮的 Monogram）的方向一致。

战略意图：押注语音成为计算主入口

Eleti 在发布会上表示，OpenAI 认为语音有望成为处理复杂、长时间智能体工作的主交互界面，并希望借此承接用户通过 Codex 与 ChatGPT 完成的各类任务。公开报道此前也提及 OpenAI 可能在年内推出具备 AI 能力的耳机硬件，但本次发布会并未透露任何硬件细节。

根据官方数据，目前已有超过 1.5 亿人通过语音与听写等功能与 ChatGPT 对话，庞大的使用基础是公司持续加码语音体验的关键动机。

竞争格局与现阶段局限

语音助手的"拟人化"正在成为各家争夺的焦点。Apple 与 Amazon 近期都已更新各自助手，提升会话感与上下文处理能力；由 Oculus 联合创始人 Brendan Iribe 与 Ankit Kumar 创办的 Sesame 同样主打更自然的对话体验。

尽管如此，GPT-Live-1 在演示中仍暴露出短板：在印地语（Hindi）现场口译演示中，模型带有明显的美式口音，印地语表达生硬且略显书面化。OpenAI 表示新模式已对"多数常用语言"进行优化，但未公开具体支持列表。同时，公司强调该模式并非设计为 AI 陪伴产品，并内置面向青少年的年龄适配与针对自伤等敏感话题的资源引导等安全机制。