介绍 GPT-Live

Introducing GPT‑Live

2026年7月8日

产品发布

GPT‑Live

新一代语音模型，实现自然的人机交互，现已为 ChatGPT 语音功能提供支持。

加载中……

我们正式推出 GPT‑Live，这是一代全新的语音模型，让与 AI 的对话感觉更像真实的交流。

GPT‑Live 基于全双工（full-duplex）架构构建，这意味着它可以同时进行听和说。在对话过程中，GPT‑Live 可以通过“嗯哼”或“好的”这样的短语来表明它在认真倾听，能够进行快速的来回交流，或者在你需要思考片刻时保持安静。最终带来的是一种令人耳目一新、易于交流的语音体验。

GPT‑Live 也是我们迄今为止最智能的语音模型。对于需要网络搜索、更深层次推理或更复杂工作的问题，它会在后台委托给我们的最新前沿模型（frontier model），并在准备好后将结果带回对话中。在后台处理的同时，GPT‑Live 可以继续与你交谈，保持对话的流畅性。在发布时，GPT‑Live 将在后台使用 GPT‑5.5。随着我们发布新的前沿模型，我们将持续更新 GPT‑Live 所使用的模型。

这些进步为全新的 ChatGPT 语音体验提供了动力，使其更加智能和自然。随着时间的推移，我们相信这项研究还将解锁使用语音处理日益复杂、耗时更长、更具自主性（agentic）工作的能力。

我们今天开始向全球 ChatGPT 用户推出两个版本的 GPT‑Live——GPT‑Live‑1 和 GPT‑Live‑1 mini。我们还计划很快将其引入 API，开发者和企业可以通过此表单⁠注册以获取通知。

进入人机交互的新时代

Entering a new era of human-AI interaction

我们的愿景是实现真正自然的人机交互：一个与 AI 协作的感觉就像与另一个人合作一样流畅和响应迅速的世界，同时推理和复杂任务的执行在后台无缝进行。

以往的方法

Previous approaches

早期的语音 AI 系统让我们更接近这一愿景，但伴随着重要的权衡。

级联语音系统

Cascaded voice systems

级联语音系统（Cascaded voice systems）依赖一系列模型依次处理每一轮对话。最初的 ChatGPT 语音功能将三个模型串联在一起：一个语音转文本（speech-to-text）模型来转录你的语音，一个大型语言模型（large language model）来生成回复，以及一个文本转语音（text-to-speech）模型将其转换回语音。这种方法使我们首次能够与前沿 AI 模型对话，但这种复杂性是有代价的：信息可能在模型之间丢失，并且响应速度慢且生硬。

STTGPT-5.5TTSSTTGPT-5.5TTSTranscript使用 GPT-5.5 Instant 的标准语音模式对话示例

基于轮次的语音模型

Turn-based voice models

像 ChatGPT 高级语音模式（Advanced Voice Mode）这样的基于轮次的语音模型（Turn-based voice models）在单个模型内处理和生成音频，减少了延迟，使对话更加流畅——但它们仍然通过离散的轮次来运作。模型必须等待用户停止说话后才能回应，导致僵硬的来回交流。此外，由于轮次检测基于静默，即使是短暂的停顿或背景噪音也可能被误认为是轮次结束——导致模型在不自然的时间点打断。

TranscriptChatGPT 高级语音模式对话示例

我们的新方法

Our new approach

GPT‑Live 通过两项架构变革解决了这些限制。

持续交互

Continuous interaction

首先，我们使用全双工架构构建了 GPT‑Live，以实现持续交互。GPT‑Live 不是处理一系列独立的消息，而是在生成输出的同时持续处理输入。因此，模型可以每秒多次做出交互决策：是说话、继续倾听、暂停、打断还是调用工具。

这使得模型能够进行更自然的来回交流，保持更好的时间感，甚至执行实时翻译。

用户GPT-Live-1Transcript使用 GPT-5.5 Instant 的 GPT-Live-1 对话示例

委托进行深度工作

Delegation for deeper work

其次，我们将处理持续交互的 GPT‑Live 与深度工作解耦。当问题需要搜索、推理或更强大的自主能力时，GPT‑Live 可以将任务委托给另一个模型，如 GPT‑5.5。这使得它即使在后台处理多个任务时，也能保持对话的进行。

这种架构变革还允许 GPT‑Live 持续使用最新的模型和智能体（agents），将前沿智能与自然交互结合起来。

用户GPT-Live-1GPT-5.5搜索 + 推理Transcript使用 GPT-5.5 Instant 的 GPT-Live-1 对话示例

评估

Evaluations

我们构建了全新的人工评估来衡量对话的愉悦度和流畅度。在这些头对头比较中，在匹配的 5-10 分钟对话中，GPT‑Live‑1 和 GPT‑Live‑1 mini 在整体偏好、轮次交替、打断、对话流畅度以及每次交互的自然程度方面，都明显优于高级语音模式。

• GPQA：GPT‑Live‑1 在 GPQA 上大幅优于高级语音模式，该测试评估生物学、化学和物理学领域的专家级科学推理能力。
• BrowseComp：GPT‑Live‑1 在 BrowseComp 上相比高级语音模式有显著提升，该测试评估自主网络搜索和查找难以定位信息的能力。
• τ³-Voice Telecom（内部变体）：GPT‑Live‑1 在 τ³-Voice Telecom 上优于高级语音模式，该测试评估语音代理在真实的多轮电信支持任务中的表现。

• GPT‑Live‑1（即时版）和 GPT‑Live‑1 mini 在后台使用 GPT‑5.5 Instant 模型，而 GPT‑Live‑1 Medium 和 GPT‑Live‑1 High 则使用 GPT‑5.5 Thinking 模型，并分别采用中等和高推理努力。 ** 我们为此评估使用了由我们最新推理模型驱动的定制用户模型。

全新的 ChatGPT 语音体验

A new ChatGPT Voice experience

每周，超过 1.5 亿人使用语音和听写等功能与 ChatGPT 交谈。他们用它来获取免提的日常帮助、练习语言、讲睡前故事，或者在通勤时聊天。

从今天开始，当你点击语音按钮与 ChatGPT 交谈时，你将获得由 GPT‑Live 驱动的改进体验——对话更自然、答案更智能、倾听更专注，并支持可视化回答。

更自然的对话

More natural conversations

现在，与 ChatGPT 交谈应该感觉更像真实的对话。你可以用问题打断它，暂停整理思绪，或者让 ChatGPT 放慢语速。它会自然地用“嗯哼”或“知道了”这样的短语来确认你所说的内容，让你知道它在跟上你的思路。我们还为 GPT‑Live 重新制作了 ChatGPT 中的九种不同声音。

更智能的答案

Smarter answers

ChatGPT 语音现在可以利用我们最新的前沿模型，在你需要时提供更智能的答案。你还可以选择适合你需求的推理级别：即时版用于快速响应，中等或高推理版则在你希望 ChatGPT 花更多时间思考时使用。

更好的倾听

Better listening

如果你需要片刻思考，ChatGPT 语音现在会等待，而不是插话打断。如果你要求它保持安静并倾听，它就会照做。当有背景噪音时，比如过往的交通声或附近的谈话声，ChatGPT 能更好地专注于你的声音，而不是被干扰。

一目了然的可视化答案

Visual answers at a glance

有些答案在你能看到时更有用。在你说话的同时，ChatGPT 现在可以针对天气、股票、体育等主题显示丰富的视觉卡片。语音功能也继续支持搜索、记忆、图像和文件上传。

最终的结果是，ChatGPT 语音体验在日常使用中感觉更自然、能力更强、更有用。

为语音设计的安全保障

Safety designed for voice

GPT‑Live 的设计默认就是安全的。它建立在我们最新模型的安全进步之上，同时在关键风险领域增加了专门的安全训练，并针对语音设计了新的防护措施。

扩展的安全测试

Expanded safety testing

为了更好地反映人们在现实环境中如何使用语音，我们首先将安全测试扩展到包括新的音频原生评估。我们还创建了合成评估，利用生成的音频更集中地关注关键安全领域，借鉴了我们从高级语音模式中学到的经验。这些领域包括自残、精神病和躁狂、对 AI 的情感依赖、暴力和色情内容。内部专家还对模型进行了针对语音特有风险的红队测试。

在我们的测试中，GPT‑Live 在我们评估的几乎所有领域中的表现都与高级语音模式相当或更好。你可以在 GPT‑Live 系统卡⁠（在新窗口中打开）中阅读更多关于我们的测试和防护措施的信息。

内置防护措施

Built-in safeguards

由于语音对话是实时进行的，我们还构建了可以在模型说话时起作用的防护措施。当系统检测到潜在的不安全输出时，它可以引导模型走向更安全的回应，显示额外的安全信息或资源，或者在更高风险的情况下结束语音对话。对于涉及自残的对话，我们调整了 ChatGPT 的支持流程以适应语音，包括提供经过专家验证的危机热线支持。

我们设计了额外的保护措施来支持青少年用户，并直接将适龄行为训练到模型中，以降低不当回应的风险。家长可以通过家长控制功能选择他们的青少年是否可以使用 ChatGPT 语音，并且在涉及潜在自残或自杀意图迹象的高风险情况下，关联的家长可能会收到通知。

从实际使用中学习

Learning from real-world use

我们还在推出侧重于情感依赖的长期测量和发布后监控，以继续改进我们的理解并完善防护措施。基于我们之前关于情感使用和情感健康的研究，这将帮助我们识别新兴模式，并改进系统在情感敏感互动中的响应方式。

最后，GPT‑Live 是为对话而设计的，而不是用于声音模仿。它在 ChatGPT 中使用一组预定义的声音，并设有防护措施以防止模仿真实人物的声音。

我们致力于支持安全和福祉，并将随着从实际使用中学习而不断加强这些保护措施。

可用性与限制

Availability & limitations

GPT‑Live 现在正在向全球 iOS、Android 和 ChatGPT.com⁠（在新窗口中打开）上的 ChatGPT 用户推出。GPT‑Live‑1 将成为为 Go、Plus 和 Pro 用户提供 ChatGPT 语音功能的默认模型，而 GPT‑Live‑1 mini 将成为免费用户的默认模型。更多可用性详情可以在我们的帮助中心⁠（在新窗口中打开）找到。

我们已针对 ChatGPT 中最流行的一些语言优化了 GPT‑Live。对于某些语言，模型可能带有非母语口音或流利度不足。我们正在积极努力改善跨语言的体验。

在发布时，GPT‑Live 将不支持 ChatGPT 中的视频或屏幕共享语音功能，但我们正在努力尽快引入这些功能。你仍然可以访问旧版 ChatGPT 语音功能，包括标准语音模式和高级语音模式，这些功能在这些版本中可用。

• 2026
• ChatGPT

作者

OpenAI

继续阅读

查看全部

GPT-5.6 现已成为 Microsoft 365 Copilot 中的首选模型

产品 · 2026年7月9日

ChatGPT 现已成为您最具雄心工作的合作伙伴

产品 · 2026年7月9日

GPT-5.6：随您雄心扩展的前沿智能

产品 · 2026年7月9日