OpenAI近日推出全新语音交互模型GPT-Live，同步升级ChatGPT语音功能，标志着其在语音交互领域迈出关键一步。新模型采用原生全双工架构，支持实时打断、语速调节、多语言翻译等高级功能，并可通过后台调用GPT-5.5等模型完成复杂任务，将语音交互提升为ChatGPT的核心入口。
此次发布的GPT-Live包含两个版本：GPT-Live-1面向付费订阅用户，GPT-Live-1 mini供免费用户使用。两个版本均支持网页端、iOS及安卓平台，未来还将通过API向开发者开放。OpenAI透露，目前每周已有超过1.5亿用户通过语音功能与ChatGPT互动，新模型旨在进一步降低用户对键盘输入的依赖。
技术层面，GPT-Live突破传统"轮次式"交互模式，实现真正的实时对话。系统可同时处理听、理解、回应三个流程，准确区分用户停顿与发言结束，并在被打断时自然暂停并继续倾听。测试数据显示，在5-10分钟的盲测中，新模型在交流舒适度、打断恢复能力、对话流畅性等维度显著优于前代Advanced Voice Mode。
功能扩展方面，新模型集成实时双向翻译、智能听写、情绪反馈等能力。用户可要求模型调整语速，系统会通过改变发音节奏而非简单变速来实现。更关键的是，GPT-Live成为连接ChatGPT全生态的语音门户——当涉及复杂推理时自动调用GPT-5.5，需要实时信息时连接网络搜索，最终以自然语音反馈结果。
针对安全风险，OpenAI构建了多层级防护机制。系统可识别潜在危险内容，通过修改回复、弹出警示或直接终止对话进行干预。针对未成年用户，家长控制功能扩展至语音场景，可关闭青少年账号的语音权限，或在检测到自残等高危话题时向家长发送通知。
尽管已覆盖多种语言，OpenAI承认部分语言的非母语口音和流畅度仍需优化。当前版本暂不支持视频会议和屏幕共享场景的语音交互，用户需继续使用旧版语音功能。随着API开放，GPT-Live有望成为开发者构建实时语音应用的基础模型，推动语音交互从辅助工具向主流入口演变。
