OpenAI 发布全双工语音模型 GPT-Live：可边听边说，复杂任务交由 GPT-5.5 后台处理 - 果核剥壳

7 月 9 日消息，OpenAI 今日正式发布 GPT-Live 系列模型。该系列定位为新一代全双工语音模型，打破了传统语音助手“一问一答”的延迟限制，能够同时聆听与说话，让 AI 对话体验更贴近真人交流。

目前，GPT-Live 系列包含 GPT-Live-1 与 GPT-Live-1 mini 两个版本，已向全球 ch*tg*t 用户开放。其中，Go、Plus 和 Pro 订阅用户可使用 GPT-Live-1 模型，免费用户则可调用 GPT-Live-1 mini 模型。

架构方面，GPT-Live 采用全双工架构，无需等待单轮对话结束即可作出响应。模型能够在同一时间持续处理输入和输出，并以“每秒多次”的频率判断是继续倾听、暂停、打断、开口说话还是调用工具，从而大幅提升对话的自然度。

在应对复杂任务时，GPT-Live 采取了前后台协同的拆分处理机制。前台负责维持流畅的语音对话流，同时将网页搜索、复杂推理等重度任务委托给 GPT-5.5 系列模型在后台执行。具体调用逻辑为：GPT-Live-1（instant）与 mini 版调用 GPT-5.5 Instant；GPT-Live-1 Medium 调用 GPT-5.5 Thinking Medium；GPT-Live-1 High 则调用 GPT-5.5 Thinking High。

性能评测上，OpenAI 专门建立了一套新的人工评测体系，重点考察语音交流的“舒适度”和“整体交流流畅性”。相比此前的 Advanced Voice Mode，在 5-10 分钟的配对对话测试中，GPT-Live-1 与 mini 版在整体偏好、轮次衔接、打断情况及自然度等指标上均获得了更高的偏好得分。

OpenAI 透露，目前每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ch*tg*t 进行语音交互。新版本还支持在语音对话中展示天气、股票、体育等可视化卡片，并保留了搜索、记忆、图片和文件上传等功能。

安全性方面，GPT-Live 在自伤、精神症状、情感依赖、暴力及性内容等领域接受了音频原生评测、合成音频评测及内部红队测试。官方表示，该模型在几乎所有评估维度上的表现均与 Advanced Voice Mode 相当或更优。