最新动态

OpenAI 于 7 月 9 日公布了其最新的 GPT-Live 系列模型，该系列被定义为新一代全双工语音模型，能够实现同步收听与回应，从而显著提升 AI 对话的真实感。

目前，GPT-Live 系列推出了 GPT-Live-1 和 GPT-Live-1 mini 两个版本，并已向全球 ChatGPT 用户提供。其中，GPT-Live-1 模型仅供 Go、Plus 和 Pro 订阅用户使用，而免费用户则可体验 GPT-Live-1 mini 模型。

在技术架构上，GPT-Live 系列采用了全双工设计，摆脱了以往单轮对话结束后才进行响应的模式。它能够在同一时间段内持续处理接收到的信息和输出的回应。该模型能够“每秒多次”地做出判断，决定何时发言、继续倾听、暂停、打断对话，或是调用相关工具，以此来模拟更接近真人之间的交流体验。

面对复杂的任务请求，GPT-Live 系列模型能够将连续的交互和深入的推理过程进行拆分处理。模型在前台负责维持语音对话的流畅进行，同时将网页搜索、复杂的逻辑推演或其他更高级别的任务交由 GPT-5.5 系列模型在后台执行。具体而言：

• GPT-Live-1（instant）和 GPT-Live-1 mini 版本会调用 GPT-5.5 Instant。
• GPT-Live-1 Medium 版本则会使用 GPT-5.5 Thinking Medium 来进行推理。
• GPT-Live-1 High 版本则会利用 GPT-5.5 Thinking High 来实现推理。

OpenAI 表示，为了评估新模型的性能，公司特别建立了一套新的人工评测体系，重点关注语音交流中的用户舒适度（pleasantness）以及整体交流的连贯性（flow of conversation）。在时长为 5-10 分钟的配对对话测试中，GPT-Live-1 和 GPT-Live-1 mini 模型在整体偏好度、回合衔接、打断情况、对话流畅度及自然度等评估指标上，均获得了比先前 Advanced Voice Mode 更高的得分。

在用户使用方面，OpenAI 透露，每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动，应用场景涵盖了免提式日常辅助、语言学习、睡前故事以及通勤途中的闲聊等。新版本还支持在语音对话中呈现天气、股票、体育赛事等可视化信息卡片，并继续支持搜索、记忆功能、图片以及文件上传等操作。

关于安全性，OpenAI 声明，GPT-Live 模型在自我伤害、精神病性症状与躁狂、用户对 AI 的情感依赖、以及暴力和色情内容等多个领域，都经过了原生音频评估、合成音频评估以及内部红队测试。官方表示，在几乎所有评估维度上，新模型的表现均与 Advanced Voice Mode 相当或有所超越。