OpenAI 最智能語音模型：GPT-Live-1/mini 登場，邊聽邊說讓 AI 對話更接近真人聊天

OpenAI 於今日正式推出新一代語音模型系列 GPT-Live，主打全雙工架構，能夠同時進行聆聽與說話，讓 AI 對話體驗更接近人與人之間的自然交流。該系列目前提供 GPT-Live-1 與 GPT-Live-1 mini 兩個版本，即日起向全球 ChatGPT 用戶開放，依照不同訂閱方案提供對應的模型調用權限。根據 OpenAI 的說明，GPT-Live 系列採用全雙工設計，有別於以往必須等待使用者說完一句話後模型才開始回應的模式。

新模型能夠在同一時間持續處理輸入與輸出，系統每秒會進行多次判斷，決定是否要開口說話、繼續傾聽、暫停、打斷，或者觸發工具呼叫，使得對話節奏更加流暢自然，彷彿與真人交談一般。為了應對複雜任務，GPT-Live 系列模型在架構上進行了分工。前臺維持即時的語音對話流，而當遇到需要網頁搜尋、深度推理或更繁重運算的情境時，模型會將這些任務委託給 GPT-5.5 系列在後臺執行。具體來說，GPT-Live-1（instant）與 GPT-Live-1 mini 調用 GPT-5.5 Instant；GPT-Live-1 Medium 使用 GPT-5.

5 Thinking Medium 推理強度；GPT-Live-1 High 則搭配 GPT-5.5 Thinking High 推理強度，以滿足不同層級的需求。在性能評估方面，OpenAI 特別建立了一套全新的人工評測體系，重點衡量語音交流中的舒適度與整體交流流暢性。與先前的 Advanced Voice Mode 相比，在 5 至 10 分鐘的配對對話測試中，GPT-Live-1 與 GPT-Live-1 mini 在整體偏好、輪次銜接、打斷情況、對話流暢度與自然度等指標上，都獲得更高的偏好分數。這代表使用者在新模型下的對話體驗預期將更為順暢。

用戶規模方面，OpenAI 透露，每週有超過 1.5 億人透過 Voice 與 Dictation 等功能與 ChatGPT 進行語音互動，應用場景涵蓋免手持日常協助、語言練習、睡前故事以及通勤閒聊。新版本也進一步強化了語音對話中的資訊呈現，支援在天氣、股票、體育等查詢時展示可視化卡片，同時繼續保有搜尋、記憶、圖片與檔案上傳等既有功能。安全層面，OpenAI 表示 GPT-Live 系列在自傷、精神病性症狀與躁狂、對 AI 的情感依賴、暴力及性內容等敏感領域，接受了音頻原生評測、合成音頻評測以及內部紅隊測試。

官方聲稱，該模型在幾乎所有評估維度上，表現都與 Advanced Voice Mode 相當或更優。至於使用權限，GPT-Live-1 模型將向 ChatGPT Go、Plus 與 Pro 訂閱用戶開放，而免費用戶則可以調用 GPT-Live-1 mini 模型。這項安排讓不同層級的用戶都能體驗到新一代語音模型帶來的變化，同時也為進階用戶提供更強大的推理能力。整體而言，OpenAI 此次推出的 GPT-Live 系列，藉由全雙工架構與後臺深度推理的分工協作，試圖將 AI 語音對話推向更接近人類交流的境界。

隨著語音互動逐漸成為許多人日常使用 AI 的主要方式，這項更新可能進一步改變使用者與 AI 的溝通模式。目前該模型已正式上線，全球 ChatGPT 用戶皆可開始嘗試。