OpenAI今日正式发布新一代语音模型GPT-Live-1和GPT-Live-1 mini,对ChatGPT的语音功能进行全面升级。新模型采用“全双工”架构,能够同时收听和说话,用户可以在AI回应时随时打断,交互方式更接近真实对话。
OpenAI研究负责人Kundan Kumar在发布会上表示,此前ChatGPT的高级语音模式采用回合制对话,模型必须等用户说完才能回应,短暂停顿常被误判为结束,导致不自然的打断。GPT-Live则解决了这一问题,模型可以连续处理输入并同时生成输出,每秒多次决定是否说话、继续倾听或打断。在对话中,模型会通过“嗯”、“对”、“明白”等简短回应表明正在倾听,用户也可以要求它放慢语速或保持安静等待指令。
新模型的另一项改进是将语音交互层与推理层分离。当问题需要网络搜索或更复杂的推理时,GPT-Live会将任务交给后台的GPT-5.5处理,同时维持对话流畅进行。付费用户可在“即时”、“中等”和“高”三个推理级别间选择,根据需求权衡速度与智能。
此外,GPT-Live还支持实时翻译,以及通过视觉卡片展示天气、股票和体育赛事等信息。OpenAI表示,GPT-Live-1将成为Go、Plus和Pro付费用户的默认语音模型,免费用户则使用GPT-Live-1 mini。两种模型从今日起向全球iOS、Android和网页版用户陆续推送,API访问权限将于后续开放。超过1.5亿人每周使用ChatGPT的语音和听写功能,这一升级有望进一步拓展语音交互的使用场景。