bingdadaOpenAI 发布 GPT-Live，一款基于全双工架构的新一代语音模型，支持同时听与说，实现更自然的人机对话。GPT-Live 可委派深度任务给 GPT-5.5 等后台模型，保持对话流畅。即日起向全球 ChatGPT 用户推出 GPT-Live-1 和 mini 版本，未来将开放 API。
推出 GPT-Live，重新定义 AI 语音对话 2026年7月8日，OpenAI 正式发布了新一代语音模型 GPT-Live，旨在让用户与 AI 的语音对话更加自然、流畅，就像与真人交谈一样。这一重大更新已集成到 ChatGPT 的语音功能中，标志着 OpenAI News 在人工智能交互领域迈出了关键一步。GPT-Live 不仅提升了语音交互的体验，还为未来更复杂的智能体任务奠定了基础。
GPT-Live 的核心创新在于其 全双工架构，这意味着它能够同时进行“听”和“说”。与传统的语音系统不同，GPT-Live 不再需要等待用户说完才能回应。在对话过程中，它可以通过“嗯”、“对”等语气词表示正在倾听，能够快速进行你来我往的对话，也可以在用户需要思考时保持安静。这种设计让语音交互变得前所未有的轻松自然。
除了交互方式上的革新，GPT-Live 还是 OpenAI 迄今为止 最智能的语音模型。当遇到需要网络搜索、深度推理或复杂任务的问题时，GPT-Live 会自动在后台调用最新的前沿模型（如 GPT-5.5）进行处理，并将结果无缝融入当前对话。在后台模型工作时，GPT-Live 仍能保持与用户的对话流畅进行。 目前，GPT-Live 默认使用 GPT-5.5 作为后台模型。随着 OpenAI 发布新的前沿模型，GPT-Live 将自动更新升级，确保用户始终获得最先进的 AI 能力。
ChatGPT 语音体验 基于 GPT-Live 的突破性技术，ChatGPT 的语音功能迎来了全面升级。新体验更加智能、自然，让用户与 AI 的协作变得像与真人合作一样顺畅。OpenAI 认为，这项研究最终将解锁语音在更复杂、更长期、更具自主性的任务中的潜力。
从今天开始，OpenAI 向全球 ChatGPT 用户逐步推出两个版本的 GPT-Live：GPT-Live-1 和 GPT-Live-1 mini。同时，OpenAI 计划很快将 GPT-Live 引入 API，开发者和企业可以通过表单注册，第一时间获取通知。
OpenAI 回顾了语音 AI 系统的演进历程，指出过去的方案虽然推动了进步，但都存在明显的权衡。
最初的 ChatGPT 语音功能采用 级联架构，由三个模型串联工作：语音转文本（STT）模型将用户语音转为文字，大语言模型（如 GPT-5.5）生成回复，再通过文本转语音（TTS）模型将文字转回语音。这种方法首次实现了与前沿 AI 模型的语音对话，但信息在模型间传递时可能丢失，且响应速度慢、语气生硬。
后来的 ChatGPT 高级语音模式（Advanced Voice Mode）采用 轮次模型，在单一模型内处理和生成音频，减少了延迟，对话更流畅。但这种方式仍基于离散的“轮次”运作：模型必须等待用户停止说话后才能回应，导致对话显得刻板。此外，由于轮次检测依赖静音，短暂的停顿或背景噪音都可能被误判为说话结束，导致模型在不合适的时机打断用户。
GPT-Live 通过两项关键架构改进解决了上述问题：
首先，GPT-Live 采用全双工架构实现 连续交互。它不再处理一系列独立的消息，而是持续处理输入并同时生成输出。模型可以每秒多次做出交互决策：是说话、继续倾听、暂停、打断，还是调用工具。这使得模型能够进行更自然的对话，更好地把握时间节奏，甚至实现实时翻译。
其次，GPT-Live 将 连续交互 与 深度任务 分离。当用户的问题需要搜索、推理或更强大的智能体能力时，GPT-Live 可以将任务委派给其他模型（如 GPT-5.5）。这样，即使后台在处理多个任务，GPT-Live 也能保持对话继续进行。 这种架构变化还使 GPT-Live 能够持续使用最新的模型和智能体，将前沿智能与自然交互相结合。
全面领先 OpenAI 建立了全新的人工评估体系，用于衡量对话的愉悦度和流畅度。在头对头比较中，GPT-Live-1 和 GPT-Live-1 mini 在多个维度上 显著优于 高级语音模式：
GPQA：GPT-Live-1 在专家级科学推理测试（涵盖生物、化学、物理）中大幅领先高级语音模式。
BrowseComp：GPT-Live-1 在智能体网络搜索测试中表现强劲，能够高效定位难以查找的信息。
τ³-Voice Telecom：GPT-Live-1 在真实多轮电信支持任务中超越高级语音模式。 注：GPT-Live-1（即时版）和 GPT-Live-1 mini 使用 GPT-5.5 Instant 模型；GPT-Live-1 Medium 和 High 版本则使用 GPT-5.5 Thinking 模型，分别采用中等和高推理强度。
目前，每周有超过 1.5亿人 使用 ChatGPT 的语音和听写功能。他们利用语音功能获取免提的日常帮助、练习外语、讲睡前故事，或在通勤时聊天。 从今天起，当用户点击语音按钮与 ChatGPT 对话时，将立即体验到由 GPT-Live 驱动的改进版本。OpenAI 的愿景是创造一个真正自然的人机交互世界：与 AI 协作就像与另一个人合作一样流畅、响应迅速，而推理和复杂任务执行则在后台无缝进行。
GPT-Live 的发布不仅是 OpenAI News 中的一项产品更新，更标志着人机语音交互进入了一个全新纪元。通过全双工架构和深度任务委派，GPT-Live 打破了传统语音系统的局限，让 AI 对话更加自然、智能、高效。随着 GPT-Live 逐步向 API 和开发者开放，我们可以预见，语音交互将在更多场景中发挥关键作用，推动 AI 从工具向真正的协作伙伴演进。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
英伟达内部实践显示，ChatGPT Work正帮助企业团队将信息整合工作自动化，每周节省16小时，并将原型开发周期从数周缩短至数天。这一案例揭示了AI工作流从工具到组织资产演进的趋势。
OpenAI 将 GPT-5.6 系列模型（Sol、Terra、Luna）集成至 Kiro 开发代理，通过规格驱动方法实现约 82% 的成本降低，标志着 AI 编程从能力竞赛转向成本效率竞争。
OpenAI因模型网络能力逼近关键门槛而调整开发策略，强调安全需贯穿训练全周期。文章解析其技术升级，并对比国内AI安全建设路径。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
