OpenAI的新語音模型，先把用戶煩到了
重點摘要
OpenAI 推出了新一代語音模型 GPT-Live，採用全雙工架構讓語音對話更自然，能處理停頓與插話。不過首批用戶認為模型頻繁發出短反饋，反而造成干擾，體驗不如預期。
OpenAI 在台灣時間週三凌晨的一場直播中，正式發表了新一代語音模型 GPT-Live，並宣布將以此驅動 ChatGPT 的語音功能。這是自 2024 年 5 月 GPT-4o 推出 Advanced Voice 模式以來，ChatGPT 語音功能間隔兩年後的最大幅度升級。然而，產品甫一上線，用戶的評價卻呈現明顯的兩極化：有人認為這是語音互動的重要突破，但也有不少人直言，這種「太會接話」的 AI 反而讓人感到厭煩。 GPT-Live 最核心的技術變革，在於採用了全雙工（full-duplex）架構。過往的 AI 語音助手，包括先前的 ChatGPT Voice，大多屬於半雙工或回合制模式：用戶說完一句，模型再回一句；模型講話時用戶雖然可以打斷，但系統往往需要重新判斷對話邊界，再重新組織回答。這種運作方式雖然已經接近對話，卻始終缺少真正聊天時那種自然流暢的節奏感。 全雙工架構讓 GPT-Live 能夠同時保持「聽」與「說」的狀態。模型不再需要等到用戶完整結束一句話後才開始回應，而是可以持續感知對話現場，即時做出決策——是繼續傾聽、發出簡短的「嗯哼」表示理解、適時暫停等待對方把話說完，還是直接切入回答。OpenAI 官方指出，GPT-Live 每秒可以進行多次交互決策，這使得模型能夠更準確地處理停頓、猶豫、改口，甚至是背景噪音等複雜情境。 這項改進的背後，是一套更細膩的架構分工。GPT-Live 本身扮演的是實時語音交互層的角色，負責處理聽、說、等待、打斷等與對話節奏相關的任務。一旦遇到需要搜索、推理或複雜運算的問題，它會將任務轉交給背後更強大的語言模型處理，例如 GPT-5.5。換句話說，語音層不必在每一次對話中都承擔全部的「智能壓力」，簡單問題可以快速回應，複雜問題則調用更高強度的推理能力，從而在流暢度與回答品質之間取得平衡。 OpenAI 表示，這項新功能即日起向全球用戶開放。iOS、Android 以及 ChatGPT.com 的所有用戶均可使用；對於 ChatGPT Plus、Pro 以及 Go 用戶，GPT-Live-1 將成為 Voice 模式的預設模型；免費用戶則會收到 GPT-Live-1 mini 版本。值得注意的是，在推出初期，GPT-Live 尚不支援語音通話、視訊通話或螢幕共享功能，官方表示正在積極開發這些功能，用戶仍可切回舊版語音模式以使用上述功能。 從官方公布的評測結果來看，OpenAI 針對中斷、等待、短反饋、背景噪音、語音理解等面向設計了一套新的評估標準。在 5 到 10 分鐘的配對語音對話測試中，評測者明顯更偏好 GPT-Live-1 與 GPT-Live-1 mini。此外，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，GPT-Live-1 的表現也超越了 Advanced Voice Mode。不過，這項成績某種程度上反映的是整體「ChatGPT Voice 系統」的進步，因為 GPT-Live 在遇到高難度問題時會呼叫後台更強的模型來處理，單就語音交互層本身的智力提升程度，官方並未提供橫向對比其他競品的數據。 首批使用者的回饋呈現鮮明對比。一部分開發者與重度用戶認為，GPT-Live 的即時互動能力在程式輔助、語言學習、通勤聊天等場景極具潛力，可能改變人們與 AI 互動的習慣。然而，也有不少使用者指出，GPT-Live 過於頻繁的短反饋——例如在用戶講話的過程中不斷插入「嗯嗯」「我懂」「明白」等聲音——反而變成一種干擾。有人批評，在實時模式下無法查詢 ChatGPT 的記憶，且語音功能在啟用攝影機或螢幕共享時竟無法使用，顯得相當不便。 這些批評恰恰點中了語音助手最核心的挑戰：聲音會直接闖入使用者的注意力，不同於文字可以被忽略、慢慢閱讀或隨時關閉，語音互動的節奏一旦失準，使用者感受到的不是智能，而是煩躁。OpenAI 顯然也意識到這個問題，因此在 GPT-Live 的設計中特別強化了「更好的聆聽」能力：當用戶停頓時，模型應該等待而非急著插話；當用戶要求它先安靜聽，它必須保持沉默；在背景有車聲或旁人說話時，它也要更專注於用戶本人的聲音。 根據 OpenAI 披露的數據，每週已有超過 1.5 億人透過 Voice 或 Dictation 與 ChatGPT 對話，使用場景涵蓋騰不出手時詢問日常問題、練習外語、講睡前故事，以及在通勤路上閒聊。這些看似平凡的需求，其實才是語音功能最真實的落地場景。GPT-Live 這次的升級，與其說是追求炫酷的技術突破，不如說是 OpenAI 對 ChatGPT Voice 日常使用體驗的一次重要補課——讓語音助手學會何時開口，也學會何時閉嘴。
Related
相關文章
OpenAI的新語音模型，先把用戶煩到了
OpenAI的新語音模型，先把用戶煩到了字母AI2026.07.09 10:16 · 來自北京全文4922字00:00 / 13:34AI語音助手不只是要會說話，也要學會閉嘴。文 | 字母AI在昨夜凌晨的直播中，OpenAI發佈了新一代語音模型GPT-Live，並宣佈它將開始驅動ChatGPT Voice。上次ChatGPT Voice的代際更新，還是2024年5月GPT-4o發佈時展示的Advanced Voice；同年7月，它開始向部分Plus用戶小範圍推出。到GPT-Live發佈，已經過去了兩年。這一次，OpenAI把full-duplex，也就是全雙工架構，帶進了ChatGPT Voice。過去的AI語音助手，大多像一臺反應很快的對講機：用戶說完一句，模型再回一句；模型說話時，用戶可以打斷，但系統往往要重新判斷、重新組織回答。它已經像對話，卻還不夠自然，不像真正的聊天。GPT-Live要解決的，正是這層微妙的差別。該功能今天將在ChatGPT上正式啟用。但……反響似乎並不算很好？對ChatGPT Voice的一次補課在真實聊天裡，除了打辯論，人和人很少是一句接一句、整整齊齊地輪流發言。我們會停頓，會猶豫，會突然改口，也會在對方說話時補一句“等等，不是這個意思”。有時候，一聲“嗯嗯”“我懂”，比一段完整回答更重要；有時候，最好的回應反而是先不要說話，讓對方繼續往下說。過去的AI語音助手，最難處理的正是這些細節。無論是ChatGPT、Gemini還是我們最熟悉的豆包，它們在“聊天”上都很乾澀，很有人機感。它們可以回答問題，可以讀出文字，也可以在用戶打斷時停止。但它們通常仍然依賴一個前提：先判斷用戶是不是已經說完了，再決定模型該不該說話。判斷一旦出錯，對話就會變得彆扭。用戶只是停頓了一秒，它可能以為問題結束了，急著接話；用戶說到一半改了主意，它可能還在沿著上一句話往下答；
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
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 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 Jay 2026-07-09 09:54:44 來源：量子位 變成你最常用的入口 Jay 發自 凹非寺 量子位 | 公眾號 QbitAI 同聲傳譯，這下可能是真寄了啊…… 剛剛，OpenAI發佈了GPT-Live，語音交互迎來了一次質的飛躍。 真·一句話說完，瞬間翻譯。 倆老太太也是角色扮演上了。 這效果，說實話，比去年AirPods Pro 3宣傳片裡畫的餅強太多了。 Apple Intelligence你慢慢上線吧，我等OpenAI自己出硬件了（doge）。 更重要的是推理+搜索能力的提升。 老太太把GPT當Google使，一會兒問天氣，一會兒考歷史，你來我往跟抬槓大賽似的。 而且全是有效信息，AI終於不再用一堆車軲轆話敷衍你了。 除此之外，官方還一次性放出了一堆demo。 廚房場景：不用再對著空氣大喊Siri了。GPT可以邊一步步指導你烹飪，邊幫你計時，真正解放雙手。 面試覆盤：智能水平大幅提升，AI幫你覆盤面試表現，甚至現場教你如何談薪資。 甚至，OpenAI昨晚還開了一場直播進行現場演示，也是很自信了。。。 感興趣的可以到官網查看更多demo。 OpenAI透露，每週有1.5億人在和ChatGPT對話。而現在，你手機上的那個白色軟件，要變成可隨時煲電話粥的「真人」了。 真·美國版豆包（bushi）。 全新的ChatGPT語音體驗 總結一下，新的語音模式主要有三點改進。 1、更自然的對話。 以前和AI語音聊天，最怕的就是「搶麥」。現在，你可以隨時插話、停下來思考。 當你
不到半年，MiniMax與智譜身價差6000億港元了
不到半年，MiniMax與智譜身價差6000億港元了超聚焦2026.07.09 09:53 · 來自湖北全文4214字00:00 / 12:31當你沉迷AI陪聊時，聰明錢悄悄換了個賽道。文 | 超聚焦前後腳上市的國產大模型雙雄，“同命不同價”了。1月8日，智譜以116.20港元掛牌，在此後的半年時間裡，股價持續走高，一度衝至2980港元的歷史高點，較發行價漲超24倍。相比之下，次日上市的MiniMax則像坐上了過山車，股價在上漲7倍最高觸及1330港元后快速扭頭向下，截至7月7日收盤，其股價已回撤至323.8港元，相較發行價僅剩約1倍漲幅，相比之下，智譜則仍有接近13倍的漲幅。兩家企業的市值差，也從上市時的相差無幾，拉開至如今超6000億港元。同樣是“AI六小虎”，同樣做大模型，又幾乎同時上市，為什麼資本市場給出的答案，差別越來越明顯？智譜與MiniMax，怎麼一個贏麻了，一個跌懵了？娛樂敘事在Coding面前不值一提單看財務數據，很難解釋智譜和MiniMax今天的差距，因為過去幾年中，兩家公司幾乎走在同一條路上：收入快速增長，虧損也越來越大。2022年至2025年，智譜營收從5741萬元增長至7.24億元，三年擴大超過11倍；同期歸母淨虧損則從1.43億元擴大至46.98億元。MiniMax同樣如此，2023年其營收還只有2451萬元，到2025年已經達到5.56億元；歸母淨虧損則從19.07億元一路擴大至131.6億元（包括15.9億美元的金融負債公允價值虧損）。這並不令人意外，訓練基礎模型、採購算力、吸引頂尖人才，再到推理成本和產品補貼，決定了現階段的大模型公司，本來就是一門拿鉅額虧損換增長的生意。智譜沒有賺錢，MiniMax同樣沒有。從部分財務指標來看，MiniMax還甚至有所領先。2024年至2025年，MiniMax營收從2.19億元增長至5.56億元，增幅超過
AI正在把「造藝人」變成一場大眾遊戲
AI技術成熟大幅降低創作門檻，使任何人都能在家中創建AI藝人，形成輕資產、去中心化的新產業。從AI歌手到AI脫口秀演員，這些數位角色快速滲透文娛產業，並透過IP孵化與商業化展現巨大潛力。
階躍星辰官宣新一代智能體終端，消息稱包含 AI 智能體系統及手機
階躍星辰宣布推出新一代智能體終端，包含AI智能體系統及首款AI智能體手機，成為全球大模型廠商中率先落地的玩家。該公司由前微軟全球副總裁姜大昕創立，先前已與OPPO、吉利等終端廠商合作，近期策略聚焦於Agent方向。
AI商業化，還是大廠的一本糊塗賬
AI商業化在大廠中仍是一筆糊塗帳，供需雙方都難以算清成本與收益。模型廠商背負高昂算力成本，客戶則在摸索投入產出比，導致落地困難。目前商業模式尚未成熟，需要找到確定性價值才能推動生產力轉型。