OpenAI 发布 GPT-Live：全双工语音让 ChatGPT 更接近实时对话

OpenAI 在 2026 年 7 月 8 日发布 GPT-Live，并把它接入 ChatGPT Voice。此次变化的重点不是又增加一个语音音色，而是改变语音交互的基本节奏：GPT-Live-1 和 GPT-Live-1 mini 可以在用户说话的同时继续监听和生成声音，不再必须等一个完整回合结束后才能决定是否回答。OpenAI 发布说明

这使 ChatGPT Voice 更像连续对话系统，而不是把语音先转成文字、再调用语言模型、最后合成为语音的串联系统。它仍然有 rollout、套餐和能力边界，不能直接理解为一个已经开放给所有开发者的语音 Agent API。

从“轮流说话”到连续交互

OpenAI 在公告中把过去的语音方案分成两类。早期 ChatGPT Voice 由语音转文字、大语言模型和文字转语音三个模型串联完成一次回答，信息需要在多个环节之间传递，容易出现延迟和表达不连贯。Advanced Voice Mode 已经把音频处理放进更统一的模型中，但它依然主要按照“用户说完—模型回答”的回合工作。

GPT-Live 的新做法是采用全双工架构，让系统持续处理输入并生成输出。模型可以在对话进行时多次判断：继续听、开始说、暂停、打断，或者调用工具。OpenAI 表示，这种持续交互也为更自然的快速来回、适时停顿和实时翻译提供了基础。这里的“全双工”描述的是交互架构，并不代表模型永远不会误判停顿或打断；真实体验仍会受到环境噪声、语言和网络状态影响。

把自然对话和深度工作拆开

GPT-Live 并不负责所有类型的推理。它主要负责保持连续、自然的语音交互；当问题需要搜索、较深推理或更复杂的 Agent 能力时，系统可以把任务交给后台的其他模型。OpenAI 说明，GPT-Live 首发会在后台使用 GPT-5.5，并会随着新的前沿模型发布而更新后台模型。

这种拆分带来一个很实际的产品变化：语音层不必因为等待搜索或推理而完全沉默，用户可以继续保持对话节奏；但“边聊边做深度工作”也意味着前台语音模型、后台推理模型和工具调用之间需要有清晰的状态管理。对产品经理和开发者而言，真正值得观察的不是语音是否更像人，而是系统能否把连续交互、任务委派、结果回传和用户打断组织成一个可控流程。

OpenAI 同时宣布 GPT-Live-1 和 GPT-Live-1 mini 开始面向 ChatGPT 用户全球推出，并计划稍后带到 API。开发者和企业目前可以通过官方表单登记通知，这不等于 API 已经普遍可用。

OpenAI 公布的评测说明了什么

OpenAI 表示，他们新增了以 5 到 10 分钟对话为单位的人类评测，比较整体偏好、轮流发言、打断、对话流畅度和自然程度。在这些对比中，GPT-Live-1 与 GPT-Live-1 mini 被称为明显更受偏好。公告还列出 GPQA、BrowseComp 和一个内部的语音电信任务评测：前者关注专家级科学推理，BrowseComp 关注较难的 Agent 搜索，内部任务则模拟多轮电信客服。OpenAI 公布的评测说明

这些数据目前仍属于 OpenAI 的发布材料。它们可以说明厂商选择了哪些指标，也能帮助读者理解 GPT-Live 不只是音色变化，但不能替代独立复现。尤其是“更受偏好”“明显提升”和“更聪明”需要结合样本、提示、对手版本和统计方法阅读，不能直接转译成所有场景都更好。

ChatGPT Voice 同时增加视觉和安全边界

在产品层面，ChatGPT Voice 现在可以在对话中展示天气、股票、体育等视觉卡片，并继续支持搜索、记忆、图片和文件上传。OpenAI 还介绍了更自然的停顿处理、对背景噪声的关注能力，以及为 GPT-Live 重新制作的九种声音。

语音交互的风险也不同于纯文字对话。OpenAI 表示，它增加了音频原生评测和合成音频评测，覆盖自伤、精神健康、情绪依赖、暴力和色情内容，并对高风险输出设计了语音中的实时转向、提示和结束对话机制。青少年保护与家长控制也被纳入公告。以上属于厂商公开的安全设计和测试说明，不应写成已经证明所有语音风险都被解决。GPT-Live System Card

开放范围与尚未实现的能力

GPT-Live 正在向 iOS、Android 和 ChatGPT.com 用户推出。Go、Plus 和 Pro 用户默认使用 GPT-Live-1，Free 用户默认使用 GPT-Live-1 mini。OpenAI 也提醒，部分语言可能存在非母语口音或流畅度不足的问题。

首发版本还不支持 ChatGPT 中的语音视频和屏幕共享，旧版 Standard Voice 或 Advanced Voice Mode 在支持的地方仍可使用。API 只是“计划稍后提供”，不能据此写成开发者今天已经可以直接调用 GPT-Live。对团队而言，当前更准确的判断是：语音正在成为 Agent 的连续交互层，但开发接入、权限控制、可观测性和跨语言质量仍然需要等待后续开放与独立验证。ChatGPT 更新日志