OpenAI 升级 GPT-Live：语音交互实现边说边听

OpenAI 近日通过官方 X 账号宣布，旗下语音对话功能 GPT-Live 实现了边说边听的能力。为让这种交互方式在 ChatGPT 的规模下足够自然，团队对语音技术栈进行了从客户端到模型的全面重构。

全新的语音架构

据 OpenAI 介绍，新架构的核心变化在于音频流的处理方式——改为持续流动模式（continuously）。这意味着模型在输出语音的同时，仍能持续接收并处理用户的语音输入，打破了此前语音对话中轮流说话的局限。从技术描述来看，这一改造覆盖了客户端与模型两端，属于端到端的重新设计，而非局部修补。

推理与工具调用不再打断对话

此前，当 ChatGPT 进行较深度的推理或调用外部工具时，语音交互往往会出现明显的卡顿或中断。新架构通过保持音频流的连续传输，让这类后台处理与语音输出能够并行进行——用户在模型思考期间仍可继续提问，模型也能在处理完推理后无缝衔接回复，使整体对话节奏更接近人与人之间的自然交流。

为规模化而重建

OpenAI 在消息中特别强调，此次重构是为 ChatGPT 规模（ChatGPT scale）而设计，即在海量并发请求下仍能保持流畅的语音体验。重构范围横跨客户端与模型两端，涉及推理框架、音频编解码与流式传输协议等多个层面的协同优化。官方还在原帖中附带了一段介绍视频，用于展示实际交互效果。

截至目前，OpenAI 未披露具体的延迟指标、模型参数变化或上线时间等细节，更多技术信息有待后续公开。