OpenAI 最智能语音模型：GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天

OpenAI 在 7 月 9 日公布了其 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型，能够同时进行倾听与回应，从而使 AI 的对话体验更加贴近人类的交流方式。

目前，GPT-Live 系列推出了 GPT-Live-1 和 GPT-Live-1 mini 两个版本，已向全球 ChatGPT 用户开放。其中，GPT-Live-1 模型提供给 Go、Plus 和 Pro 订阅用户使用，而免费用户则可以使用 GPT-Live-1 mini 模型。

在架构设计上，GPT-Live 系列采用了全双工模式，摆脱了以往单轮交互结束后再进行响应的限制。它能够实时处理输入和输出信息，模型能够“每秒多次”地做出判断，决定何时说话、继续倾听、暂停、打断或调用外部工具，以此来模拟更真实的对话流程。

对于复杂的任务，GPT-Live 系列模型能够将连续交互和深度推理进行拆分处理。它在前台维持语音对话的流畅进行，同时将网页搜索、深度推理或其他更复杂的任务委托给后台的 GPT-5.5 系列模型处理。具体而言：

GPT-Live-1（instant）和 GPT-Live-1 mini 会调用 GPT-5.5 Instant。
GPT-Live-1 Medium 则使用 GPT-5.5 Thinking Medium 的推理能力。
GPT-Live-1 High 版本则运用 GPT-5.5 Thinking High 的推理强度。

OpenAI 在性能评估方面，建立了一套新的人工评测体系，重点关注语音交流中的舒适度和整体对话的流畅性。在时长为 5-10 分钟的配对对话测试中，通过整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标衡量，GPT-Live-1 和 GPT-Live-1 mini 模型均获得了更高的偏好得分，相较于之前的 Advanced Voice Mode 有所提升。

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，这些应用场景涵盖了免提日常协助、语言学习、睡前故事以及通勤时的闲聊。新版本还增加了在语音对话中展示天气、股票、体育等可视化卡片的功能，并继续支持搜索、记忆、图片和文件上传等功能。

在安全方面，OpenAI 表示，GPT-Live 模型在自伤、精神病性症状与躁狂、对 AI 的情感依赖、暴力及性内容等敏感领域，接受了包括原生音频评测、合成音频评测以及内部红队测试。官方数据显示，在几乎所有的评估维度上，GPT-Live 的表现与 Advanced Voice Mode 相当或更为出色。

大数据分析正以前所未有的方式重塑商业决策。通过对海量数据的挖掘和解读，企业能够更精准地识别市场趋势、优化运营效率，并发现新的增长机遇。数据驱动的洞察是实现业务卓越的关键。

精准决策源于深度洞察，赋能企业实现可持续增长。—— 李明博士

数字化转型是企业应对快速变化的市场环境的必然选择。我们帮助客户构建灵活的数字化架构，集成先进技术，实现流程自动化和客户体验的全面升级，从而在竞争中脱颖而出。