推出 GPT-Live

2026年7月8日

新一代语音模型，让人机交互更自然，现已为 ChatGPT Voice 提供支持。

加载中…分享我们正在推出 GPT‑Live，这是一代新的语音模型，让与 AI 的对话更像真实的交流。

GPT‑Live 基于全双工架构构建，意味着它可以同时听和说。在对话中，GPT‑Live 可以通过“嗯”或“对”这样的短语来表明它在认真倾听，能够快速来回互动，或者在你需要思考时保持安静。结果是一种令人耳目一新的、易于交谈的语音体验。

GPT‑Live 也是我们迄今为止最智能的语音模型。对于需要网络搜索、更深层推理或更复杂工作的提问，它会在后台委托给最新的前沿模型，并在准备好时将结果带回对话中。在后台处理时，GPT‑Live 可以继续与你交谈，保持对话流畅。上线时，GPT‑Live 将在后台使用 GPT‑5.5。随着我们发布新的前沿模型，我们会持续更新 GPT‑Live 所使用的模型。

这些进步为新的 ChatGPT Voice 体验提供了动力，使其更智能、更自然。随着时间的推移，我们相信这项研究还将解锁使用语音进行日益复杂、更长时间运行、更具 agent 性的工作的能力。

我们今天开始向全球 ChatGPT 用户逐步推出两个版本的 GPT‑Live——GPT‑Live‑1 和 GPT‑Live‑1 mini。我们还计划很快将其引入 API，开发者和企业可以通过此表单注册以接收通知。

进入人机交互的新时代我们的愿景是实现真正自然的人机交互：一个与 AI 协作就像与另一个人合作一样流畅和响应迅速的世界，同时推理和复杂任务执行在后台无缝进行。

旧一代的语音 AI 系统让我们更接近这一愿景，但伴随着重要的权衡。

级联语音系统依赖一系列模型依次处理每一轮对话。最初的 ChatGPT Voice 将三个模型串联在一起：一个语音转文本模型来转录你的语音，一个大型语言模型来生成回复，以及一个文本转语音模型将其转换回语音。这种方法使我们首次能够与前沿 AI 模型对话，但复杂性也带来了代价：信息可能在模型间丢失，且回复缓慢且生硬。

缓慢且生硬的回复，长时间的停顿