OpenAI推出新一代语音模型系列GPT-Live，旨在提升AI语音交互的自然度。目前，该模型已支持ChatGPT语音对话体验，使AI对话更贴近真实交谈。
双向架构实现自然交互
GPT-Live基于双向架构构建，可在倾听用户讲话的同时即时回应。不同于以往需等待用户说完才作答的模式，新模型能通过“嗯”、“明白了”等语气词表明正在跟随对话节奏。
该模型每秒可多次做出说话、倾听、停顿、插话或使用工具等决策，特别针对存在中断、短暂停顿及背景噪音的日常对话场景，提供更流畅的体验。此外，在实时翻译等场景中，GPT-Live也能呈现更自然的对话流。
复杂任务处理与视觉回复
除自然对话外，GPT-Live还能执行语音对话中的复杂任务。在网络搜索、深度推理或依赖代理（agent）操作的场景下，模型可将任务移交后台更强模型（如GPT-5.5）处理，同时保持与用户的连贯对话。
用户可要求ChatGPT放慢语速、暂停整理思路或在对话中途提出新问题。OpenAI已重新调整ChatGPT中的九种声音以适配GPT-Live。同时，模型支持视觉回复功能，当用户语音提问天气、股票和体育赛事等主题时，ChatGPT可显示视觉卡片，且语音体验仍可与搜索、记忆、图像及文件上传等功能协同工作。
版本分级与安全升级
OpenAI已向全球ChatGPT用户推出两个版本：GPT-Live-1作为Go、Plus和Pro用户的默认语音模型；GPT-Live-1 mini则为Free用户的默认模型。目前可通过iOS、Android和ChatGPT.com使用，API接入计划即将上线。
需注意，新语音模型暂不支持视频或屏幕共享功能，但相关更新已在筹备中。安全方面，GPT-Live扩大了语音保护措施，针对自我伤害、精神错乱、情感依赖、暴力及色情内容等风险领域进行了专门评估。据悉，每周超1.5亿人使用ChatGPT语音及听写功能，GPT-Live将进一步支持更长时长对话及更复杂任务。