OpenAI 发布新一代语音模型 GPT-Live。山姆·奥特曼：感觉很神奇

发布日期：2026-07-09 08:15:12 浏览次数： 1513

作者：AGI Hunt

微信搜一搜，关注“AGI Hunt”

北京时间今天凌晨，OpenAI 正式发布了 GPT-Live，新一代的语音模型，从今天起陆续推送给所有 ChatGPT 用户。

扔出官方发布视频的同时，OpenAI 还特意提醒：这条一定要开着声音看。

其中有大量真人实景 demo：老太太织着毛衣跟它商量针号、备课前让它后台核对史实年份、跟巴黎书商用法语砍价……

视频里给出的正式说法是：全新的 ChatGPT Voice，由 GPT-Live 1 驱动，一个全双工的对话伙伴，有史以来最强大的语音模型。

这次的 GPT-Live，并非模型的微调升级或是换几个新音色的小修小补，而是模型和架构的整体换代。

官方的说法是：这是他们迄今最聪明的语音模型。

奥特曼也第一时间发推表示：

“ GPT-Live（下一代语音）今天在 ChatGPT 上线。它给人的感觉很神奇、很「真实」。我一直更喜欢打字，而不是跟 AI 说话，但现在我觉得，这件事要变了。

这个曾经的「打字派」，终于也算是当众松口了。不过这次，倒是没有瘫倒在椅子上……

全双工

GPT-Live 最核心的变化是：全双工（full-duplex）架构，模型能一边听你说话，一边开口说。

发布视频里的解释很形象：

“ 想象一下和朋友打电话：你可以同时倾听和说话，这就是全双工。它能跟上打断、停顿、更正，以及边想边说时那种自然的思路流动。

上面的 demo 里，三位员工分别用法语、粤语和西班牙语介绍自己最爱的食物，它一边听一边同步说出英文翻译，最后还把三个人的答案汇总复述了一遍，实时翻译也就这么一并演示了。

被反问「那你自己爱吃什么」时，它回答：我不吃东西，所以没有自己的心头好……

而此前的语音模式，体验上其实更像对讲机：你说一段，它回一段，你要打断它，还得硬生生地喊停。

全双工则是听和说同时进行的两条通道。它可以在你讲话时轻轻「嗯哼」一声表示在听，可以跟你快速地一来一回，也可以在你陷入思考时安静地等着，不催你。

因为模型始终在感知和生成，它对时间的流逝也有了自然的理解，OpenAI 把这个能力称作对话中的「持续在场感」。

为此官方还拍了一段手冲咖啡的 demo：用户让它给 V60 的闷蒸计时 30 秒，中途问它水壶没水了怎么办，它一路陪着计时、临场支招，最后还约好下次再调整注水比例。

OpenAI 还专门强调了性格这件事：一个好的语音模型应该让人愿意跟它聊下去，而 GPT-Live 比之前的语音模型有着更自然、更鲜明的人格。

上面的 demo 是一场模拟的面试复盘：用户说自己面试搞砸了，它先是共情安慰；听到「结果我被录用了」，又立刻切换成替你高兴的语气，接着还陪练了一轮谈薪话术。

拍摄现场远处响起警笛时，它还主动提出：那我先安静一会儿，帮你录条干净的素材？

异步委托

光聊得自然还不够，语音模型的老毛病是：一遇到要深入思考的问题，就得有个干等的冷场过程。

GPT-Live 的解法是内建的异步委托（async delegation）：遇到需要联网搜索、深度推理或者更复杂工作的问题，它会在后台把任务丢给 OpenAI 最新的旗舰模型去算，自己继续陪你聊，等结果出来了，再自然地接回话头。

官方 demo 里的场景是这样的：用户先问墨西哥城这周的天气，接着要世界杯小组赛的赛程，最后让它推荐几个看球的酒吧。每一问它都只回一句「我查一下」，聊天会照常继续着，等查完了再把答案自然地递回来给到用户。

发布视频里还有一段更好玩的：用户 30 分钟后要去讲一堂声音史的课，让它边聊边核对三个史实年份，顺带查地铁延误和下午的天气。

结果，它真挑出了一个错误（爱迪生的锡箔留声机应该是 1877 年，不是 1865 年），用户则嘴硬：我早就知道，我是在考你。

有网友分析出来的细节是：后台接活的正是 GPT-5.5，且推理强度分 Instant、Medium、High 三档可选。

OpenAI 语音方向的负责人 Justin Uberti（当年在 Google 主导了 WebRTC 的那位）称，GPT-Live 是他们的第三代语音模型和架构：

“ 全双工加上内建的异步委托，让它既能提供极其自然的对话，又保有你对 ChatGPT 期待的那种智能。

如何用上

新语音已经上线了，推送从今天开始。

未来几天内覆盖所有用户，iOS、Android 和网页版都有，更新后点开那个 Voice 按钮，跟你聊的便是 GPT-Live。

至于 API，官方说即将上线，Justin Uberti 也放出了 alpha 报名入口（链接见文末）。

话说回来，其实这次发布在前一天就被剧透了。testingcatalog 就有提前爆料称，ChatGPT 里代号「GPT Bidi 1」的双向语音模式已经改名成「GPT Live 1」，还评价说 OpenAI 的命名总算是在好转了（Bidi 是 bidirectional 的缩写……这名字确实是该改，谁能第一眼读对呢？）。