4.3
深览指数
科技Bestblogs·OpenAI··AI 生成
GPT-Live 发布
OpenAI 正式发布了名为 GPT‑Live 的全双工语音模型，用于驱动 ChatGPT 的语音功能。与传统轮次式系统不同，该模型能同时处理听与说，实现打断、语气词回应等更自然的对话节奏。文章的核心亮点在于其“委托架构”：将语音交互中的复杂推理任务（如网络搜索或深度思考）交由后台更强的模型处理，从而保持语音交互的流畅性。本文是一篇官方产品发布稿，适合对 AI 语音交互前沿进展感兴趣的技术从业者快速了解产品能力。原文 ↗
核心观点
- ▍GPT‑Live 是一款基于全双工架构的新一代语音模型，能实现自然的、可打断的实时对话，并将复杂推理任务委托给后台更强大的模型。
- 01全双工架构意味着模型可以同时处理音频输入和输出，这与之前需要等待用户说完才能响应的轮次式系统不同。
- 02当用户请求涉及网络搜索、深度推理或智能体操作时，GPT‑Live 会将任务卸载给后台的模型（文中举例为“GPT-5.5”），自身则专注于维持语音对话的流畅性。
- 03在 GPQA（科学推理）、BrowseComp（智能体网络搜索）及内部电信支持任务上，GPT‑Live 的表现均优于此前的 Advanced Voice Mode。
- 04该功能即日起面向多平台 ChatGPT 用户推出，API 访问即将上线。
- 05安全措施针对实时语音交互定制，包括实时引导不安全输出、提供安全资源或在高风险时结束对话，并为青少年用户提供额外保护。
反方 / 局限
- — 文章未提及任何性能瓶颈、伦理争议或局限。作为官方发布稿，没有讨论模型在嘈杂环境下的表现、延迟的具体数据、对不同语言和口音的鲁棒性，或“委托架构”失败时的用户体验降级风险。
3 分钟 · 3 卡片 · 8 资料
读原文 →