OpenAI深夜放出GPT-Live,ChatGPT終於像真人一樣說話

重點摘要
OpenAI 於 7 月 9 日深夜突然上線新一代語音模型 GPT-Live,大幅升級 ChatGPT 的語音對話功能。這款基於全雙工架構的模型讓 AI 不再只是簡單的一問一答,而是能同時聽與說,實現更像真人的對話節奏。當用戶停頓思考時,模型會耐心等待;需要插話時,也能自然回應,整體互動體驗變得輕鬆流暢。OpenAI 形容這是該公司迄今最智慧的語音模型。 GPT-Live 的核心技術突破在於架構設計。傳統語音系統採用級聯式或輪次式處理,分別面臨訊息損失與對話僵化的問題。
OpenAI 於 7 月 9 日深夜突然上線新一代語音模型 GPT-Live,大幅升級 ChatGPT 的語音對話功能。這款基於全雙工架構的模型讓 AI 不再只是簡單的一問一答,而是能同時聽與說,實現更像真人的對話節奏。當用戶停頓思考時,模型會耐心等待;需要插話時,也能自然回應,整體互動體驗變得輕鬆流暢。OpenAI 形容這是該公司迄今最智慧的語音模型。 GPT-Live 的核心技術突破在於架構設計。傳統語音系統採用級聯式或輪次式處理,分別面臨訊息損失與對話僵化的問題。GPT-Live 則採用全雙工架構,能在生成回應的同時持續接收輸入,每秒鐘進行多次互動決策,包括是否開口、繼續傾聽、暫停或插話。此外,OpenAI 將持續對話層與深度任務處理層分離,當用戶的提問需要搜尋、推理或複雜任務時,GPT-Live 會將任務委派給後端更先進的模型(目前為 GPT-5.5),同時維持對話流暢性。這項設計讓 GPT-Live 能持續接入最新模型與智能體,融合前沿智慧與自然互動。 在產品規劃上,OpenAI 推出兩個版本:GPT-Live-1 與 GPT-Live-1 mini。GPT-Live-1 將作為 ChatGPT Go、Plus 和 Pro 用戶語音模式的預設模型,而 GPT-Live-1 mini 則提供給免費(Free)用戶。即日起,全球 ChatGPT 用戶將逐步在 iOS、Android 以及 ChatGPT.com 上獲得這項更新。 回顧語音 AI 的演進,OpenAI 指出先前的技術路線各有明顯取捨。最早期的級聯式系統(如最初的 ChatGPT Voice)由語音轉文字、語言模型與文字轉語音三階段串接完成,結構複雜且容易造成資訊衰減,回應也顯得生硬。後續登場的輪次式模型(如 ChatGPT Advanced Voice Mode)則將音訊處理整合在單一模型中,降低了延遲,但仍須等用戶說完才能回應,且系統往往依賴靜音偵測來判斷發言結束,導致用戶短暫思考或環境噪音容易觸發不當插話。 GPT-Live 透過兩項架構革新解決前述問題。首先是持續交互,全雙工架構讓模型能在輸出的同時持續處理輸入,實現自然來回對話,甚至支援實時翻譯。其次是深度任務委派機制,將即時對話與需要大量運算的後臺任務解耦,使模型在處理複雜查詢時仍能與用戶順暢交談。 為了驗證 GPT-Live 的表現,OpenAI 建構了一套專注於對話愉悅感與流暢度的人類評估體系。在一對一對比測試中,進行 5 到 10 分鐘的對話後,無論是 GPT-Live-1 或 GPT-Live-1 mini,在整體偏好、輪次銜接、打斷情況、對話流暢度及自然程度等維度上,都顯著優於 Advanced Voice Mode。此外,在科學推理評測 GPQA(生物、化學、物理)、智能體網頁搜尋評測 BrowseComp 以及電信客服任務評測 τ³-Voice Telecom 中,GPT-Live-1 的成績也明顯優於 Advanced Voice Mode。 根據 OpenAI 數據,每週有超過 1.5 億人透過語音與聽寫等功能使用 ChatGPT。用戶常以語音模式獲得免持協助、練習外語、講睡前故事,或是在通勤時隨意閒聊。隨著 GPT-Live 上線,這些體驗將全面升級。新版 ChatGPT Voice 帶來更自然的對話節奏,用戶可以隨時打斷提問,也可以停頓整理思緒,甚至要求模型放慢語速。模型會以「mhmm」、「got it」等細微回應讓用戶知道它正在傾聽。OpenAI 也針對 GPT-Live 重新製作了九種不同聲音。 智慧程度方面,ChatGPT Voice 現在能調用最新前沿模型,在需要時提供更精準的回答。用戶可依需求選擇推理強度:Instant 適合快速回應,Medium 和 High 則適合希望模型多花時間思考的場景。傾聽能力也有明顯提升,當用戶需要思考時,ChatGPT 會安靜等待而不貿然插話,即使環境中存在車輛駛過或旁人交談等背景噪音,模型也能更專注於用戶的聲音。 此外,語音對話中現在可以展示天氣、股票、體育等話題的視覺化卡片,讓部分資訊一目了然。記憶、搜尋、圖片與檔案上傳等功能則持續支援。隨著全球逐步推送,用戶將在未來數日內陸續體驗到這項變革,ChatGPT Voice 變得更自然、更強大,也更適合日常生活中的多元場景。
Related
相關文章

世界模型首次迎來“小時級”生成!螞蟻靈波開源LingBot-World 2.0,支持AI原生多人交互
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 世界模型首次迎來“小時級”生成!螞蟻靈波開源LingBot-World 2.0,支持AI原生多人交互 量子位的朋友們 2026-07-09 11:39:41 來源:量子位 7月9日,螞蟻靈波科技開源新一代實時交互世界模型LingBot-World 2.0(又稱LingBot-World-Infinity)。該模型全面升級世界預測與交互能力,支持小時級實時生成、720p/60fps高清實時輸出以及更豐富的交互動作與事件,並在業界首次將Agent機制引入世界模型,讓生成的世界從“可觀看、可操控”,進一步走向“可持續互動、可動態變化”。 (圖說:LingBot-World 2.0在生成時長、動態程度、實時性等方面均處於業界頂尖水平) 今年1月,螞蟻靈波開源了第一代世界模型LingBot-World,重點攻克長視頻生成中常見的“長時漂移”問題,即生成時間一長,畫面容易模糊、結構容易變形。LingBot-World 1.0將連續穩定生成時長推進到近10分鐘,而且支持鍵鼠操控與文本觸發環境變化,引發業界廣泛關注。 在此基礎上,LingBot-World 2.0進一步向“無限生成”邁進。模型採用因果預訓練範式,並引入自研的MoBA機制,讓模型按照真實世界交互的時間順序學習世界如何演化——基於已經發生的畫面、動作和場景狀態,持續預測接下來的變化,從而減少長時間生成中偏差不斷放大的問題,避免畫面越生成越模糊、結構越生成越失真。 在長達一小時的不間斷壓力測試中,LingBot-World 2.0畫面始終保持紋理清晰、場景結構連貫,無明顯畫質衰減。 為了確保實時的交互體

螞蟻靈波開源LingBot-Video,全球首個面向具身的視頻基模來了!
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 螞蟻靈波開源LingBot-Video,全球首個面向具身的視頻基模來了! 量子位的朋友們 2026-07-09 11:19:15 來源:量子位 7月9日,螞蟻靈波開源LingBot-Video,這是全球首個基於Mixture-of-Experts(MoE)架構、面向具身智能的開源視頻生成基礎模型。該模型圍繞機器人和具身智能的核心需求重新設計視頻預訓練範式,在推理效率、物理合理性、動作理解和任務完成度等方面取得系統性提升,為視頻基礎模型從數字內容創作走向具身智能提供了新的開源底座。 在北京大學聯合字節跳動發佈的基準RBench上,LingBot-Video的總分是0.620,超越了Wan2.6(0.607)、Seedance1.5 Pro(0.584)、Cosmos3 Super(0.581)。RBench作為面向機器人操作視頻的綜合評測基準,重點考察模型能否生成符合真實物理規律的機器人行為。這一結果表明,LingBot-Video在生成機器人相關視頻時,更能保持動作過程的合理性和任務執行的完整性。 (圖說:LingBot-Video在RBench上性能最優) 為進一步驗證LingBot-Video對物理世界變化的建模能力,螞蟻靈波在內部benchmark中從通用質量和具身領域兩個維度進行評估。結果顯示,對比NVIDIA Cosmos3、Wan2.2 A14B、LongCat-Video、Hunyuan Video1.5、LTX-2.3等五個開源模型,LingBot-Video在具身領域表現優於主要基線模型。 (圖說:綜合評測顯示,LingBot-V

全球首款AI智能體手機,下週發佈
全球首款AI智能體手機即將在下週正式亮相,這場備受矚目的新品發表將由上海大模型獨角獸階躍星辰與中興通訊旗下努比亞共同推動。階躍星辰預計在下週登場的2026世界人工智能大會(WAIC 2026)上,正式推出全新的AI終端品牌、AI智能體系統,以及全球首款搭載AI智能體的量產旗艦手機,象徵終端運算與AI模型的整合邁入全新階段。 中興通訊高級副總裁、中興通訊終端事業部總經理暨努比亞總裁倪飛,昨日下午在個人微博上發文證實,全球首款AI智能體手機將來自努比亞,並預告這款量級旗艦機型將於下週的世界人工智能大會中首次公開亮相。

DeepSeek R1 推理測試:英特爾 Arc Pro B70 顯卡吞吐最高 2320.76 token/s
首頁 > 智能時代>人工智能 DeepSeek R1 推理測試:英特爾 Arc Pro B70 顯卡吞吐最高 2320.76 token/s 2026/7/9 11:19:00 來源:IT之家 作者:故淵 責編:故淵 評論: IT之家 7 月 9 日消息,科技媒體 Wccftech 昨日(7 月 8 日)發佈博文,報道稱顯卡廠商藍戟(GUNNIR)測試英特爾 Arc Pro B70 GPU,在 DeepSeek R1 模型推理表現上超過英偉達的 RTX 5090D 和 RTX 4090D 顯卡。測試環境均為 4 張顯卡配置,主要對比英特爾 Arc Pro B70 32GB、英偉達 RTX 5090D 32GB 與 RTX 4090D 24GB 三款顯卡的 AI LLM 大語言模型推理性能表現。測試模型為 DeepSeek R1-Distill Qwen 32B FP16,該模型固定輸入 / 輸出長度為 128 個 tokens,涵蓋了從 1 到 512 的完整上下文併發範圍,測試的核心指標為 token/s 吞吐量,用於衡量大語言模型推理時的輸出效率。在併發低於 32 時,RTX 5090D 位居前列,RTX 4090D 排名第二,Arc Pro B70 表現媲美 RTX 4090D;到併發 32 和 64 時,Arc Pro B70 已能追平並超過 RTX 4090D。當併發達到 128 時,Arc Pro B70 的 token 吞吐量比 RTX 5090D 高 8.6%,比 RTX 4090D 高 34.2%。當併發達到 256 時,Arc Pro B70 比 RTX 5090D 高 7.5%,比 RTX 4090D 高 48.7%。在併發 512 時也觀察到相近表現。IT之家附上相關圖片如下:英特爾 Arc Pro B70 GPU 在 Tokens 吞吐量方面表現最

突發:馬斯克交卷最強Grok 4.5,Opus最高級智能打骨折價
SpaceXAI 在台灣時間 7 月 9 日凌晨正式發表旗下最強旗艦模型 Grok 4.5,執行長馬斯克親自揭露這款與程式開發工具 Cursor 聯手打造的模型,強調其在編碼與智能體任務上的突破性表現。Grok 4.5 不僅是 SpaceXAI 上市後的第一張王牌,也是與 Cursor 深度整合後交出的第一份成績單。 這款模型在數萬塊輝達 GB300 GPU 上完成訓練,官方公布的效能數據相當亮眼。在 SWE Bench Pro 測試中,Grok 4.5 拿下 64.7% 的解決率,超越 Opus 4.

你的品牌再有名,系統可能根本“看不見”
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作你的品牌再有名,系統可能根本“看不見”哈佛商業評論·2026年07月09日 10:29提高AI入選率的三個方法。 當消費者開始問AI“買什麼”,品牌的競爭規則變了。研究發現,Nike、迪士尼等家喻戶曉的品牌,在AI推薦中反而輸給了一些小眾品牌——因為AI推薦的不是“最有名”的品牌,而是“最能被讀懂”的品牌。你的品牌屬性是否清晰、證據是否可驗證,決定了它能否被AI納入推薦。 當我們讓主流的AI系統——ChatGPT、Claude和Gemini——推薦跑鞋時,相對小眾的品牌Brooks總能穩定出現。而全球最大的運動品牌Nike,出現頻率卻低得多。這種模式反映了一個根本性的轉變:當AI系統成為產品發現的媒介時,品牌的競爭方式已經改變。 Brooks並非圍繞寬泛的生活方式敘事來建立品牌,而是專注於技術性能以及契合特定跑步者的需求。在CEO吉姆·韋伯的領導下,公司縮小了業務範圍,退出了相鄰品類,並投資於生物力學研究和產品工程。GuideRails和DNA LOFT緩震等技術,都是為了攻克明確定義的痛點而研發的。同樣關鍵的是,Brooks培育了一個由教練、臨床醫生和專業零售商組成的生態圈,這些人能用精準的術語拆解這些技術方案。