OpenAI 近日发布新一代语音模型 GPT-Live，将 ChatGPT Voice 体验推向新阶段。该模型基于全双工架构构建，支持同时听和说，带来轻松自然的语音交互体验。
技术架构突破
在 GPT-Live 之前，语音 AI 主要采用级联式（多模型串联，响应慢）或轮次式（一来一回，易误判停顿）架构。GPT-Live 通过两项变化解决局限：
1. 持续交互：基于全双工架构，在生成输出的同时持续处理输入，每秒多次做出交互决策，实现自然的来回交流与实时翻译。
2. 委派机制：将负责持续交互的 GPT-Live 与深层任务处理能力解耦。需要搜索或推理时，委派给 GPT-5.5 等前沿模型，后台处理时仍可维持对话流畅。
评估与性能
OpenAI 构建了新的人类评估体系，GPT-Live-1 和 mini 版本在整体偏好、轮次衔接、流畅度等维度明显优于 Advanced Voice Mode。在专业评测中：
- GPQA：在生物、化学和物理等专家级科学推理能力上显著优于前代。
- BrowseComp：智能体式网页搜索及查找难以定位信息的能力明显提升。
- τ³-Voice Telecom：在真实多轮电信客服任务中表现更优。
全新 ChatGPT Voice 体验
目前 GPT-Live 已面向全球用户逐步推出，覆盖 iOS、Android 和网页端，带来四大升级：
- 更自然的对话：支持随时插话、停顿思考，模型会用自然回应，并重新制作了九种声音。
- 更智能的回答：调用最新前沿模型，提供 Instant、Medium 和 High 三种推理强度选择。
- 更好的倾听能力：用户思考时会等待不插话，且能更好过滤背景噪声。
- 可视化回答：对话中可展示天气、股票、体育等可视化卡片，并继续支持搜索、记忆和文件上传。
GPT-Live-1 将成为 Go、Plus 和 Pro 用户的默认模型，GPT-Live-1 mini 为 Free 用户默认模型。
原始来源： 机器之心 ↗
本文由博一・AI营销中枢整理编辑，用于行业观察分享。观点归原作者所有。