像 ChatGPT 这样的 AI 助手正稳步发展,新模型在功能、准确性和响应速度上持续提升。尽管生成式 AI 并非完美无缺,不应被视为绝对权威的信息源,但对已接纳该技术的用户而言,语音对话比逐字输入更为便捷。
2023 年推出的原始语音模式依赖“语音转文本→语言模型生成答案→文本转语音”三个独立系统运作。随后推出的高级语音模式采用单一多模态模型,显著优化了体验。目前 ChatGPT 搭载的 GPT-Live 模型实现了“全双工”架构,可同步听与说,大幅提升了对话自然度,有效解决了旧模型易将短暂停顿误判为发言结束而提前回复的问题。
现在,ChatGPT 会在你说话时发出“嗯”、“是的”等简短确认声,模拟真实人际互动中的回应。当问题涉及复杂推理或研究时,GPT-Live 还能将任务后台传递给 GPT-5.5 等更强模型进行处理。

