泉源：胡枫开演唱会聚齐半个港圈大咖作者： 余玮婷：

OpenAI深夜放出GPT-Live，，ChatGPT终于像真人一样语言

深夜，，OpenAI 突然上线 GPT-Live。。。。

这款新一代语音模子，，把 ChatGPT Voice 往前推了一步：人与 AI 的交流最先更像一场真正的对话。。。。

GPT-Live 基于全双工架构构建，，也就是说，，它可以同时听和说。。。。在对话历程中，，GPT-Live 可以用 mhmm 或 yeah 这样的回应体现自己正在听，，也可以举行快速往返交流；；；；；当你需要一点时间思索时，，它也会坚持清静。。。。最终带来的，，是一种很是轻松自然的语音交互体验。。。。

视频请审查：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

OpenAI 体现，，GPT-Live 是他们迄今最智能的语音模子。。。。关于需要网页搜索、更深入推理或更重大处理的问题，，它会在后台交给这个最新前沿模子完成，，并在效果准备好后带回对话中。。。。在处理这些使命的同时，，GPT-Live 仍然可以继续与你交流，，维持对话的流通性。。。。

宣布时，，GPT-Live 后台挪用的模子是 GPT-5.5。。。。随着 OpenAI 后续推出新的前沿模子，，GPT-Live 所挪用的后台模子也会一连更新。。。。

从今天最先，，OpenAI 将在全球规模内向 ChatGPT 用户逐步推出两个版本的 GPT-Live，，划分是 GPT-Live-1 和 GPT-Live-1 mini。。。。

以往的语音 AI 蹊径

在 GPT-Live 之前，，上一代语音 AI 系统已经让人机语音交互向自然对话迈进了一步，，但差别手艺蹊径都保存显着取舍。。。。

一是级联式语音系统。。。。

早期语音系统通常接纳级联架构，，也就是由多个模子依次完成一轮对话处理。。。。最初的 ChatGPT Voice 就接纳了这种方式：先由语音转文本模子将用户语音转写成文字，，再由大语言模子天生回复，，最后通过文本转语音模子把回复转换针言音。。。。

这种架构让用户第一次能够通过语音与前沿 AI 模子交流，，但多模子串联也带来了特殊重大性。。。。信息在差别模子之间转达时可能爆发损失，，系统响应也容易显得缓慢、生硬。。。。

轮次式语音模子。。。。

以后的轮次式语音模子，，例如 ChatGPT Advanced Voice Mode，，最先在简单模子中处理和天生音频，，降低了延迟，，也让对话体验变得更顺滑。。。。

不过，，这类模子仍然遵照一来一回的轮次机制。。。。模子需要等用户阻止语言后才华最先回应，，因此交互方式依然偏牢靠。。。。同时，，由于系统通常依赖静音来判断一轮讲话是否竣事，，用户短暂思索时的停留，，或情形中的配景噪声，，都可能被误判为讲话竣事，，导致模子在不自然的时机插话。。。。

GPT-Live 新要领

GPT-Live 通过两项架构转变，，解决了上述局限。。。。

一连交互。。。。

首先，，GPT-Live 基于全双工架构，，为一连交互而设计。。。。它处理的不是一条条相互自力的新闻，，而是在天生输出的同时，，一连处理输入。。。。因此，，模子可以在每秒内多次做出交互决议，，包括是否启齿、继续谛听、暂停、插话，，或挪用工具。。。。

视频请审查：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

这让模子能够举行更自然的往返交流，，更好地掌握时间节奏，，甚至完成实时翻译。。。。

面向深度使命的委派机制。。。。

其次，，OpenAI 将认真一连交互的 GPT-Live，，与更深层的使命处理能力解耦。。。。当问题需要搜索、推理或更强的智能体能力时，，GPT-Live 可以把使命委派给 GPT-5.5 这样的其他模子。。。。这使它即便在后台处理多个使命，，也能继续维持对话举行。。。。

这一架构转变还让 GPT-Live 可以一连使用最新模子和智能体，，把前沿智能与自然交互连系起来。。。。

OpenAI 构建了新的人类评估系统，，用于权衡对话的愉悦感和流通度。。。。在这些一对一比照测试中，，GPT-Live-1 和 GPT-Live-1 mini 在匹配条件下的 5 到 10 分钟对话中，，相比 Advanced Voice Mode 显着更受偏好。。。。评估维度包括整体偏好、轮次衔接、打断情形、对话流通度，，以及每次交互给人的自然水平。。。。

GPQA：GPT-Live-1 在 GPQA 上显著优于 Advanced Voice Mode。。。。GPQA 用于测试模子在生物、化学和物理等领域的专家级科学推理能力。。。。BrowseComp：GPT-Live-1 在 BrowseComp 上相比 Advanced Voice Mode 取得显着提升。。。。BrowseComp 用于测试智能体式网页搜索能力，，以及模子查找难以定位信息的能力。。。。τ?-Voice Telecom（内部变体）：GPT-Live-1 在 τ?-Voice Telecom 上优于 Advanced Voice Mode。。。。该评测用于测试语音智能体在真实、多轮电信客服使命中的体现。。。。

全新的 ChatGPT Voice 体验

每周有凌驾 1.5 亿人通过 Voice 和 Dictation 等功效与 ChatGPT 对话。。。。他们用它获得无需下手的日常资助，，训练语言，，讲睡前故事，，或者只是在通勤路上随便聊谈天。。。。

从今天最先，，当你点击 Voice 按钮与 ChatGPT 对话时，，将获得由 GPT-Live 驱动的升级体验，，包括更自然的对话、更智能的回覆、更好的谛听能力，，以及可视化回复。。。。

更自然的对话

现在，，与 ChatGPT 对话会更靠近真实交流。。。。你可以随时插话提问，，也可以停下来整理思绪，，或者让 ChatGPT 放慢语速。。。。它会自然地用 mhmm 或 got it 这样的回应来体现自己正在跟上你的话，，让你知道它一直在听。。。。团队也针对 GPT-Live 重新制作了 ChatGPT 中九种差别的声音。。。。

更智能的回覆

ChatGPT Voice 现在可以挪用 OpenAI 最新前沿模子，，在你需要时给出更智能的回覆。。。。你也可以凭证需求选择差别的推理强度：Instant 适合快速响应，，Medium 和 High 则适合希望 ChatGPT 花更多时间思索的场景。。。。

更好的谛听能力

当你需要一点时间思索时，，ChatGPT Voice 现在会期待，，而不是急着插话。。。。若是你让它坚持清静、继续听，，它也会照做。。。。当周围有配景噪声，，好比车辆经由或旁边有人攀谈时，，ChatGPT 也更能专注于你的声音，，禁止易被滋扰。。。。

一眼可见的可视化回覆

有些回覆看得见会更有用。。。。在语音对话历程中，，ChatGPT 现在可以针对天气、股票、体育等话题展示富厚的可视化卡片。。。。Voice 也会继续支持搜索、影象、图片和文件上传。。。。

视频请审查：https://mp.weixin.qq.com/s/w9dCLGw8tVDvRHsHXC73uQ

最终，，ChatGPT Voice 变得越发自然、更有能力，，也更适合日常生涯中的种种使用场景。。。。

最后，，GPT-Live 现在正在面向全球 ChatGPT 用户推出，，笼罩 iOS、Android 和 ChatGPT.com。。。。GPT-Live-1 将成为 Go、Plus 和 Pro 用户使用 ChatGPT Voice 时的默认模子，，GPT-Live-1 mini 将成为 Free 用户的默认模子。。。。

参考链接：https://openai.com/index/introducing-gpt-live/