OpenAI 發佈 GPT-Live 新一代語音模型,支援更自然的即時對話
OpenAI、AIとリアルタイムでより自然な会話ができる音声モデルGPT-Liveをリリース
OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。
文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。
OpenAI於2026年7月8日發佈新一代語音模型系列「GPT-Live」,讓用戶能以更自然的方式與AI對話。
推出新一代語音模型 GPT-Live,帶來自然的人與AI互動。
今日起在 ChatGPT 陸續推出。
觀看這段內容時,記得開啟聲音。 pic.twitter.com/WzoQFvA5ir
— OpenAI (@OpenAI) 2026年7月8日
此前,該公司的語音聊天功能 ChatGPT Voice 一直採用「語音辨識模型(將語音轉換成文字)」→「大型語言模型(生成回應)」→「文字轉語音模型(將文字轉換成語音)」這種「級聯式語音系統」。這套系統需要時間才能作出回應,而且模型交接時可能會遺失資訊,因此只能進行生硬的對話。
此外,單一模型處理語音的 ChatGPT Advanced Voice Mode 雖然減低了回應延遲,但由於要等用戶說完才作出回應,互動顯得單調;系統也常會把說話間的空隙或雜音誤判為對話回合結束,令AI的回應打斷對話。
GPT-Live建基於全雙工通訊架構,因此能夠同時聆聽和發話。回應不再有時間差,能在對話中適時附和,也能在用戶思考時安靜等待,讓對話更自然。此外,即使周圍有雜音,也能專注於用戶的語音。
GPT-Live還具備更智能的功能。當用戶提出需要複雜處理、高階推理或網絡搜尋等操作的問題時,系統會在背景將處理工作委託予最新、最先進的模型[1],並逐步將背景處理的結果融入對話。背景處理期間,GPT-Live仍會繼續與用戶對話,維持對話脈絡。
配合GPT-Live推出,ChatGPT Voice語音對話期間也能顯示與對話相關主題的視覺資訊卡,例如天氣、股價和體育資訊。
另外,在推出時,GPT-Live尚未支援使用影片(相機)或螢幕共享進行語音對話,這些功能預計將於近日內支援。
這次推出的GPT-Live有「GPT-Live-1」和「GPT-Live-1 mini」2個版本。兩者都會透過ChatGPT.com、iOS及Android版ChatGPT應用程式,陸續向全球ChatGPT用戶推出。
GPT-Live-1會作為Go、Plus、Pro付費計劃用戶使用的ChatGPT Voice預設模型,而GPT-Live-1 mini則會成為免費用戶的預設模型。與GPT-Live-1相比,GPT-Live-1 mini在代理式網絡搜尋和科學推理效能方面稍遜。此外,使用GPT-Live-1的ChatGPT Voice可切換模式:Instant(使用GPT-5.5 Instant)可快速作答;Medium、High(使用GPT-5.5 Thinking)則可提供推理程度更高的回答。詳細用法請參閱說明。
此外,GPT-Live預計近日亦會透過API提供。有意使用的開發人員可在通知申請表登記,以便收到服務開始提供時的通知。
來源:gihyo.jp · gihyo.jp