OpenAI GPT-Live-1 lançado globalmente, substitui o Modo de Voz Avançado com comunicação de voz full-duplex

OpenAI 于 7 月 9 日正式推出全双工（Full-duplex）语音模型 GPT-Live-1 和 GPT-Live-1 mini，即日起在 iOS、Android 及 ChatGPT.com 全球上线，取代旧版 Advanced Voice Mode。

GPT-Live-1 与 GPT-Live-1 mini 上线规格：付费用户、免费用户与 API 候补安排

根据 OpenAI 的公告，GPT-Live 的两款模型适用范围如下：GPT-Live-1 为 Go、Plus、Pro 付费方案用户的预设语音模型；GPT-Live-1 mini 服务免费用户；API 方面，开发者目前在候补等候名单，尚未开放。

两款模型均即时在 iOS、Android 及 ChatGPT.com 全球上线，为 ChatGPT 语音技术两年内的第三次改版，也是 OpenAI 最明确的一次定位声明：语音将成为人与 AI 对话的主界面，而非文字聊天机器人的附加功能。

全双工架构原理：旧版 Advanced Voice Mode 静默轮次问题与 GPT-Live 的解法

根据 OpenAI 在研究博客的说明，旧版 Advanced Voice Mode 的核心问题在于靠静默判断轮次——短暂停顿或背景杂音可能被误认为用户说完，导致模型在不自然的时机插话；这种「走马灯式轮流」使对话每次只能一人开口，体验不自然。

GPT-Live 采用全双工架构，模型在持续处理输入的同时生成输出，每秒能做多次互动决策，判断何时开口、继续听、暂停、打断或呼叫工具，使对话更接近真实的人际交流模式。

语音层与推理层分离设计：GPT-5.5 委派、三段推理层级与新增功能

GPT-Live 的关键设计为「语音互动层」与「推理层」的模块化分离：简单问题由 GPT-Live 直接处理；复杂问题（如查网络、深度推理或多步骤任务）委派给后台运行的 GPT-5.5，运算进行中仍持续对话，不出现旧管线的数秒停顿空白。

此模块化设计的好处为升级推理智慧时无需重新训练语音模型，企业和开发者可将语音代理接入数据库、搜索、多步骤任务。新版同步推出的功能包括：

三段推理层级：Instant（即时）、Medium（中等）、High（复杂），用户自选速度与深度的平衡点

即时视觉卡片：对话中自动浮现天气、股价、体育比分、地图等信息卡片

九种对话声音：重制声音强调「为对话设计，不是声音模仿」，并加入防止模拟人声音的防护机制

常见问题

GPT-Live-1 与 GPT-Live-1 mini 的使用方案差异是什么？

根据 OpenAI 公告，GPT-Live-1 为 Go、Plus、Pro 付费方案用户的预设语音模型；GPT-Live-1 mini 服务免费用户；API 对开发者开放候补等候；两款模型均即时在 iOS、Android 及 ChatGPT.com 全球可用。

GPT-Live 如何处理复杂问题，与旧版 Advanced Voice Mode 的差异是什么？

根据 OpenAI 的设计说明，GPT-Live 采用语音互动层与推理层分离的模块化架构；复杂任务委派给后台的 GPT-5.5 处理，语音层在运算期间持续对话，不出现旧版的数秒停顿空白。旧版 Advanced Voice Mode 靠静默判断轮次，容易误判插话时机，GPT-Live 改为全双工架构，可同时持续处理输入并生成输出。

GPT-Live 新版声音设计为何强调「防止模拟人声音」？

根据报道，此设计与 2024 年 5 月 GPT-4o 发布时的声音「Sky」事件有关：外界认为该声音神似演员 Scarlett Johansson，而她本人曾拒绝 Sam Altman 的配音邀约，事后形容自己震惊并愤怒；OpenAI 当时撤下该声音并道歉。此次九种新声音强调「为对话设计，不是声音模仿」，并加入技术层面的防止模拟人声音的防护机制。