OpenAI 正式推出新一代语音模型 GPT‑Live 系列，将 ChatGPT 的语音对话能力推向更接近真人交流的水平。与此前依赖多模型串接或回合式交互的方案不同，GPT‑Live 采用双向架构，能够在生成语音输出的同时持续处理用户的语音输入，模型自行决定何时说话、何时继续聆听，从而摆脱了“等对方说完才回应”的僵硬节奏。
在实际对话中，GPT‑Live 会使用“对”“嗯”“了解”等简短反馈来表明正在聆听，也会在用户需要思考时安静等待。用户不仅可以随时插话提问、暂停整理思绪，还能直接要求模型放慢说话速度。OpenAI 还为 GPT‑Live 重新制作了 9 种各具特色的声音，以丰富听觉体验。
当用户的问题需要联网搜索、深度推理或处理更复杂任务时，GPT‑Live 会在后台将请求转交给 GPT‑5.5 等更先进的模型处理，待结果生成后再无缝带回对话中。这种“前台语音交互 + 后台强模型调度”的架构，既保持了语音对话的流畅感，又确保了回答质量不因模型规模受限。
OpenAI 此次向全球 ChatGPT 用户推出两个版本：GPT‑Live‑1 和 GPT‑Live‑1 mini，并计划很快在 API 中开放 GPT‑Live 的访问权限，这意味着开发者将能把这一双向语音能力集成到自己的应用与服务中。
从技术演进的角度看，GPT‑Live 的发布是 AI 语音系统的一次重要跃迁。早期的 ChatGPT 语音功能采用串接式架构，依次调用语音转文字模型、大语言模型和文字转语音模型，信息在模型间传递时容易流失，响应缓慢且生硬。后来的进阶语音模式升级为回合式语音模型，在单一模型内处理并生成音频，降低了延迟，但仍以对话回合为单位，模型必须等待用户停止说话才能回应，停顿或背景噪音还可能被误判为回合结束，导致不自然的插话。GPT‑Live 的双向架构则实现了连续互动，模型不再逐条处理彼此独立的消息，而是持续处理输入并生成输出，能够更准确地把握对话节奏，甚至提供实时翻译。
OpenAI 透露，目前每周已有超过 1.5 亿人通过语音和听写等功能与 ChatGPT 对话，语音交互正变得越来越普遍。GPT‑Live 的推出旨在改善此前互动中仍存在的不流畅问题，让用户无需动手输入，开口就能与 ChatGPT 聊天、练习语言或获取协助。
在安全层面，当 ChatGPT 检测到可能产生不安全输出时，会引导 GPT‑Live 给出更安全的回应、显示额外的安全信息或资源，或在较高风险情况下结束语音对话。针对涉及自我伤害的对话，OpenAI 已将 ChatGPT 的支援流程调整为适用于语音，包括提供经专家审核的求助专线。
GPT‑Live 的发布也被外界视为对 Google 旗下 Gemini Live 的直接竞争回应。随着双向语音模型的落地，AI 语音助手、实时翻译、语言学习等应用场景的体验有望大幅提升，语音交互或将成为用户接触 AI 模型的主流入口之一。