文章核心观点 - OpenAI发布新一代语音模型GPT-Live，其人机语音交互体验更接近真实自然对话，标志着语音AI技术的重大进步 [1][2] - GPT-Live基于全双工架构构建，能够同时听和说，并可将复杂任务委派给后台前沿模型处理，实现了持续、流畅的交互 [3][4][12][15] - 该模型已开始在全球范围内向ChatGPT用户逐步推出，将显著提升ChatGPT Voice的功能与体验 [5][25][32] 技术架构演进 - **级联式语音系统**：早期系统（如最初的ChatGPT Voice）采用多模型串联架构，存在信息损失、响应缓慢生硬等问题 [8] - **轮次式语音模型**：后续模型（如ChatGPT Advanced Voice Mode）在单一模型中处理音频，降低了延迟，但仍需等待用户停止说话后才能回应，交互方式固定且易受环境噪声干扰 [9][10] - **GPT-Live的新方法**：通过全双工架构实现持续交互，每秒可多次做出交互决策；通过委派机制将交互与深度任务处理解耦，可调用如GPT-5.5等后台模型处理复杂任务 [12][13][14][15][16] 性能评估与优势 - 在一对一对比测试中，GPT-Live-1和GPT-Live-1 mini在5到10分钟的对话中，相比Advanced Voice Mode明显更受偏好 [17] - 在专业评测中表现突出：GPT-Live-1在测试专家级科学推理能力的GPQA上显著优于Advanced Voice Mode；在测试智能体式网页搜索能力的BrowseComp上取得明显提升；在测试多轮电信客服任务的τ³-Voice Telecom上优于Advanced Voice Mode [21] ChatGPT Voice的全新体验 - **更自然的对话**：支持随时插话、停顿思考，模型会用“mhmm”等回应表示倾听，并重新制作了九种不同的声音 [27] - **更智能的回答**：可调用最新前沿模型，用户可根据需求选择Instant（快速响应）、Medium或High（更多思考时间）等不同推理强度 [28] - **更好的倾听能力**：能在用户思考时等待，不易被背景噪声干扰 [30] - **可视化回答**：在语音对话中可为天气、股票、体育等话题展示丰富的可视化卡片，并继续支持搜索、记忆、图片和文件上传等功能 [31] 发布与部署 - 从发布日开始，在全球范围内向ChatGPT用户逐步推出GPT-Live-1和GPT-Live-1 mini两个版本 [5] - 每周有超过1.5亿人通过Voice和Dictation等功能与ChatGPT对话 [25] - GPT-Live-1将成为Go、Plus和Pro用户使用ChatGPT Voice时的默认模型，GPT-Live-1 mini将成为Free用户的默认模型，覆盖iOS、Android和ChatGPT.com平台 [32]