推出 GPT‑Live

OpenAI 终于升级了 ChatGPT 语音模式所使用的模型！我在 iPhone 应用中获得了数周的预览权限，新模型的表现令人印象深刻。它还能将更困难的任务分流至 GPT-5.5：对于需要网络搜索、更深层推理或更复杂工作的问题，它会在后台委托给我们的最新前沿模型，并在准备就绪后将结果带回对话中。在运行过程中，GPT‑Live 可以继续与你交谈，保持对话的流畅性。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，我们将持续更新 GPT‑Live 所使用的模型。

ChatGPT 应用之前的语音模式基于 GPT-4o 时代的模型，知识截止日期在 2024 年某个时间点。我基本上已经停止使用语音模式，因为该模型年代久远且相对较弱，大大限制了它作为头脑风暴伙伴的实用性。在预览期间，我遇到了一个相当隐蔽的 bug：模型会打断我，对我说的内容发笑，而这些内容甚至并非玩笑！这让我感到粗鲁且居高临下——我向 OpenAI 报告了此事，据我所知，他们做了一些调整，现在这种情况不太可能发生了。

回顾我的对话记录，我认为是这段内容触发了打断式的笑声：那么猫头鹰在不活动的时候，比如黄昏之前，它们在哪里？猫头鹰是存在的，对吧？它们躲在洞里吗？它们藏在哪里？

我与新模型最长的一次对话是在遛狗（并拍摄鹈鹕照片）时持续了整整一个小时。我至今还没能拍到猫头鹰的照片。

via Hacker News
标签：text-to-speech , ai , openai , generative-ai , llms , multi-modal-output , llm-release , speech-to-text