OpenAI的新語音模型,先把用戶煩到了

重點摘要
OpenAI 發布新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 能同時聽與說,實現更自然的對話互動。然而,首批用戶批評其頻繁的短回應(如「嗯嗯」)反而造成干擾,且部分功能如螢幕共享暫時無法使用。
OpenAI 在 7 月 9 日凌晨的直播中,正式發表了新一代語音模型 GPT-Live,並宣布這款模型將開始驅動 ChatGPT 的語音功能。距離上一次 ChatGPT Voice 的世代更新——2024 年 5 月 GPT-4o 發表時展示的 Advanced Voice,已經過了兩年。然而,這項被寄予厚望的新功能,在首批用戶的反饋中卻出現了兩極化的評價,甚至有人直言「被煩到了」。 GPT-Live 最核心的變革,在於引入了「全雙工」(full-duplex)架構。過去的 AI 語音助手,無論是 ChatGPT、Gemini 還是其他主流產品,大多像一台反應靈敏的對講機:用戶說一句,模型回一句;模型說話時用戶可以打斷,但系統往往需要重新判斷、重新組織回答。這種模式雖然已經接近對話,卻始終不夠自然,不像真正的聊天。在真實的人類對話中,人們會停頓、猶豫、突然改口,也會在對方說話時補上一句「等等,不是這個意思」,甚至只是一聲「嗯嗯」或「我懂」就足夠了。過去 AI 語音助手最難處理的,正是這些細節。 要理解 GPT-Live 的進步,必須先回顧 OpenAI 語音系統的演進。最早的 ChatGPT Voice 採用的是「級聯語音系統」(cascaded voice system),由多個模型接力完成:先將用戶語音轉成文字,再讓大語言模型根據文字生成回答,最後將文字轉成語音。這套方案容易搭建,但語音中的語氣、停頓、情緒變化等大量資訊,在第一步轉文字時就會流失,而且多個模型串聯也導致延遲疊加,讓語音助手變得「聽一句、想一下、再念一句」。到了 GPT-4o 之後的 Advanced Voice,OpenAI 開始改用原生音頻模型直接處理聲音,保留了更多音頻細節,延遲也更低,用戶可以更自然地打斷。但 Advanced Voice 仍然屬於「回合制語音模型」(turn-based voice model),它必須先判斷用戶是否說完,才能決定是否開始回答。用戶停頓一秒,可能是說完了,也可能只是還在想;這個邊界判斷一旦出錯,對話就會變得彆扭。 GPT-Live 透過兩項架構上的改進來解決這個問題。第一項是將語音對話從「輪流發言」推進到全雙工模式。模型可以持續聽、持續判斷、持續生成語音,而不只是在用戶結束發言後才進入回答狀態。根據官方介紹,GPT-Live 每秒可以做出多次交互決策:是繼續說話、繼續傾聽、暫停、打斷對方的話語,還是調用某個工具。這使得它能夠在用戶說話的過程中,適時給出「嗯」「哦」這類情緒性短回應,就像人與人煲電話粥時的自然互動。第二項改進則是語音交互層與後台智能之間的分工。GPT-Live 更像 ChatGPT 的實時語音交互層,負責聽、說、等待、打斷、維持對話節奏;遇到需要搜索、推理或複雜任務的問題時,它可以把任務交給背後的更強模型(例如 GPT-5.5)處理。這樣一來,語音模型不必在每一句話裡都承擔全部智能壓力,簡單問題可以快速回答,複雜問題則調用更高強度的推理。 值得注意的是,GPT-Live 並非全雙工語音架構的先行者。此前 Kyutai 的 Moshi、英偉達的 PersonaPlex,以及谷歌的 Gemini Live,都已經在類似方向上探索。GPT-Live 的獨特之處,在於將這套「邊聽邊說」的能力帶進了 ChatGPT 這個主流入口,並能與 OpenAI 的其他模型協同運作。OpenAI 在官方評估中,使用了自訂的測試標準,包含對中斷、等待、短反饋、背景噪音、語音理解等能力的測試。在 5 到 10 分鐘的匹配語音對話中,評測者明顯更偏好 GPT-Live-1 和 GPT-Live-1 mini。此外,OpenAI 也宣稱 GPT-Live-1 在 GPQA(科學推理)、BrowseComp(網頁搜索)以及內部版本的 τ³-Voice Telecom(多輪電信客服)等任務上都超過了 Advanced Voice Mode。不過,這部分的成績很可能來自於 GPT-Live 遇到複雜任務時會調用後台更強的模型,而非語音交互層本身突然變得更聰明。 網友對 GPT-Live 的評價呈現兩極分化。一部分人認為,這次更新潛力巨大,尤其是在程式編寫等場景中,可能改變許多人的使用習慣。但也有不少用戶直言,GPT-Live 那種頻頻以「嗯嗯」「明白」等短回應打斷對話的方式,反而令人感到厭煩。此外,GPT-Live 在實時語音模式下無法查詢到 ChatGPT 的記憶,也無法在攝像頭模式與螢幕共享功能下使用。根據官方文件,GPT-Live 已向全球所有 iOS、Android 系統的 ChatGPT 用戶以及 ChatGPT.com 的用戶開放。對於 Go、Plus 和 Pro 版用戶,GPT-Live-1 將成為驅動 ChatGPT Voice 的默認模型;免費用戶則默認使用 GPT-Live-1 mini。在推出初期,GPT-Live 不支援語音通話、視頻通話或螢幕共享功能,官方表示正努力盡快添加這些功能,用戶仍可切換回舊版語音模式來使用上述功能。 OpenAI 透露,每週已有超過 1.5 億人透過 Voice 和 Dictation 與 ChatGPT 對話。這些用戶最常做的事情包括:騰不出手時問日常問題、練習外語、講睡前故事、通勤路上聊天。這些場景雖然不算炫酷,卻是語音功能最真實的使用情境。GPT-Live 的升級方向被拆解為四個面向:更自然的對話、更聰明的回答、更好的聆聽,以及可視化回答。更自然的對話,對應用戶可以中途插話、停下來想一想、要求 ChatGPT 放慢語速;模型會用短回應表示自己在聽,而不是等到用戶說完才突然開始輸出一大段回答。更聰明的回答,則允許用戶選擇不同推理強度:Instant 用於快速回答,Medium 和 High 則留給需要更多思考的問題。更好的聆聽,則強調用戶停頓時模型應該等待,而不是急著插話;背景有噪音時,模型要更專注於用戶本人的聲音。最後,可視化回答讓 ChatGPT 可以在語音對話中展示天氣、股票、體育等視覺卡片,並繼續支援搜索、記憶、圖片和文件上傳。 從首批用戶的反饋來看,GPT-Live 雖然在技術上實現了更流暢的對話,卻也暴露了「短反饋過多」的新問題。語音助手與文字助手最大的不同在於,文字可以被忽略,可以慢慢讀,也可以隨時關掉;但聲音會直接闖入人的注意力。如果模型接話太急、短反饋太多、判斷錯停頓,用戶感受到的就不是智能,而是煩人。GPT-Live 的真正考驗,或許不在於它能不能「多會說話」,而在於它能不能「學會閉嘴」。這次更新無疑具有價值,它讓 AI 語音助手變得更順,也同時暴露了變順之後可能碰上的新問題。這些問題,很可能也是其他 AI 語音助手未來(或已經存在)的挑戰。對於技術的發展,或許我們需要多一點耐心。
Related
相關文章

全球首款AI智能體手機,下週發佈
智東西(公眾號:zhidxcom) 作者 | 程茜 編輯 | 心緣 智東西7月9日消息,智東西獲悉,上海大模型獨角獸階躍星辰即將發佈AI終端品牌、AI智能體系統及全球首款AI智能體手機。 ▲階躍星辰新一代智能體終端海報(圖源:階躍星辰) 中興通訊股份有限公司高級副總裁、中興通訊終端事業部總經理、努比亞總裁倪飛昨日下午在微博發文,全球首款AI智能體手機來自努比亞,這款量產旗艦將在下週的2026世界人工智能大會首次公開亮相。 去年12月,字節跳動旗下AI助手豆包與中興通訊聯合,限量發售了豆包AI手機。 階躍星辰成立於2023年,由前微軟全球副總裁姜大昕創辦,已對外發布Step系列通用大模型矩陣,覆蓋了從語言、多模態到推理的全面能力,並面向開發者連續開源多個業內領先的多模態大模型。 今年1月,階躍星辰宣佈,曠視科技聯合創始人、千里科技董事長印奇正式出任董事長,負責整體戰略節奏與技術方向的制定。他將與CEO姜大昕、首席科學家張祥雨、CTO朱亦博組成核心管理團隊。 ▲階躍星辰CEO姜大昕(左)、階躍星辰董事長印奇(右)(圖源:階躍星辰) 根據企查查信息,目前階躍星辰已經完成5輪融資,最新一輪為今年5月的約25億美元(約合人民幣170億元)融資,此前的投資方涵蓋騰訊、聯想創投、順為資本等。 ▲階躍星辰融資情況(圖源:企查查) 此外,今年2月,外媒彭博社援引知情人士報道,階躍星辰考慮在港交所IPO,計劃籌集約5億美元(約合人民幣34億元),階躍星辰已與潛在顧問就股權出售事宜進行磋商,最早可能在今年上市,其發行規模和上市時間等細節可能有所變化。 今年6月,階躍星辰最新開源的MoE模型Step 3.5 Flash,在全球權威大模型評測Artificial Analysis榜單中,以409 tokens/s的輸出速度,在Output Speed榜位列主流模型第一。 過去一年,大模型競爭主要集中

突發:馬斯克交卷最強Grok 4.5,Opus最高級智能打骨折價
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突發:馬斯克交卷最強Grok 4.5,Opus最高級智能打骨折價新智元·2026年07月09日 10:58馬斯克深夜掀桌!最強旗艦Grok 4.5突襲,數萬塊GB300煉出性價比之王,不僅硬剛GPT-5.5,性能緊貼Opus 4.8,又快又便宜。 Grok 4.5,終於交卷! 就在剛剛,馬斯克SpaceXAI震撼發佈自家史上,最強旗艦模型Grok 4.5。 這一次,SpaceXAI與Cursor強強聯手。 在數萬塊GB300巨獸上,硬生生「煉」出這個專為編碼、智能體而生的性能怪獸。 成績單相當亮眼—— SWE Bench Pro:豪取64.7%,正面硬剛並越過Opus 4.7的64.3%; Terminal Bench 2.1:一路狂飆至83.3%; DeepSWE 1.0:穩穩站上62.0%,強勢碾壓Opus 4.8。 馬斯克直言,「Grok 4.5大致相當於Opus 4.7,但快得多」。 能力、速度、成本三者疊加,才是它的競爭力所在。也就是說,它幹活兒用的Token,只有別人的零頭。 Grok 4.5輸入價格$2/百萬token、輸出價格$6/百萬token。 相較於Opus 4.8,Token消耗暴減4.2倍

OpenAI深夜放出GPT-Live,ChatGPT終於像真人一樣說話
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。

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。

亂用AI,打工人被坑慘了
亂用AI,打工人被坑慘了定焦One2026.07.09 10:22 · 來自福建全文5715字00:00 / 17:24提效還是背鍋?文 | 定焦One,作者 | 金璵璠、陳丹、王漢星、李夢冉、雷晶,編輯 | 陳丹AI已經進入了很多人的工作日常。公關經理用它寫策劃方案,律師用它生成基礎文書,程序員用它寫代碼。對很多人來說,它就像工位旁邊那個隨叫隨到的實習生。而且,AI的交付速度,也很容易讓人“上頭”,甚至會讓人產生一種“掌握了魔法”的錯覺。直到魔法露出另一面。它會憑空編造不存在的競品品牌和行業數據,會一本正經引用虛構法條,會在代碼裡擅自改動不該碰的模塊。很多翻車,恰恰是因為它給的東西太像真的,讓人放下了戒備。我們和幾位在工作中被AI坑過的人聊了聊。他們並不是不會用AI。相反,AI已經嵌入了他們的大半個工作流程。可即便如此,他們還是會在某些時刻被它帶偏。這些經歷提醒他們,AI越能給出完整答案,使用者越需要保留判斷、核驗和兜底的能力。所謂AI提效,從來不是把工作直接交出去,它更像一次新的職場篩選:會用的人會變得更快,只會複製粘貼的人,可能會在關鍵時刻被它拖下水。01.AI編造了三家不存在的競品,我在提案現場被客戶當場拆穿林晨|上海 30歲 公關公司策略經理我是做公關策略的。在乙方,策略崗的人經常被叫“提案機器”。客戶一個電話打過來,可能要求我們在極短的時間內,吃透一個我們此前不瞭解的行業,從裡面挖出洞察,再給出一整套營銷方案。行業是陌生的,時間是不夠的,而客戶要的東西是“驚豔”的。所以AI剛出現的時候,我幾乎是撲上去的。我每天至少有三分之一的工作時間泡在大模型裡,主要用來頭腦風暴和搭框架。剛開始那陣,是真的“爽”。有一次,客戶要一個“銀髮經濟”的營銷概念,只給兩個小時。我讓AI一口氣生成了十幾個方向,挑了一個稍加潤色就交了上去。客戶非常滿意。那種感覺,就像是突然掌握了某種魔法。

同聲傳譯一夜失業!GPT-Live瞬間翻譯,老太太現場抬槓AI看傻全網
OpenAI 發布 GPT-Live,具備全雙工語音架構,能邊說邊聽,實現即時翻譯與更自然的對話。它接入 GPT-5.5 模型,支援即時搜索與深度推理,官方展示廚房指導、面試覆盤等應用。OpenAI 認為這項技術將使語音互動從指令式轉變為類似真人的交流,可能成為未來常用入口。