我們全新推出 GPT‑Live，這是新一代語音模型，讓與 AI 對話的感覺更接近真正交談。
GPT‑Live 建基於全雙工架構，亦即它可以同時聆聽和說話。在對話期間，GPT‑Live 可以用「嗯嗯」或「對」等語句表示它正在留心聆聽、快速來回交流，或在你需要片刻思考時保持安靜。這帶來令人耳目一新、容易對話的語音體驗。
GPT‑Live 也是我們迄今最智能的語音模型。對於需要網絡搜尋、更深入推理或更複雜工作的問題，它會在幕後委派給我們最新的前沿模型，並在結果準備好後帶回對話中。在工作進行期間，GPT‑Live 可以繼續與你交談，維持對話流暢。推出時，GPT‑Live 會在背景使用 GPT‑5.5。隨着我們推出新的前沿模型，我們會持續更新 GPT‑Live 所使用的模型。
這些進展帶來全新的 ChatGPT 語音體驗，使用起來更智能、更自然。長遠而言，我們相信這項研究也會開啟更多可能性，讓我們以語音處理越來越複雜、耗時更長且更具智能代理能力的工作。
我們今天開始向全球 ChatGPT 用戶推出兩個版本的 GPT‑Live：GPT‑Live‑1 和 GPT‑Live‑1 mini。我們亦計劃很快將它們帶到 API，開發人員和企業可使用此表格登記接收通知。
邁入人類與 AI 互動的新時代
我們的願景是實現真正自然的人類與 AI 互動：在這個世界中，與 AI 協作如同與另一個人共事般流暢、靈敏，而推理和複雜任務執行則在背景無縫進行。
過往方法
較早世代的語音 AI 系統讓我們更接近這個願景，但也伴隨重要取捨。
串接式語音系統
串接式語音系統依賴一系列模型逐一接力，處理每一輪對話。最初的 ChatGPT 語音把三個模型串連起來：語音轉文字模型負責轉錄你的語音，大型語言模型負責產生回應，文字轉語音模型則把回應轉換回語音。這種方法讓我們首次能夠與前沿 AI 模型對話，但其複雜性也帶來代價：資訊可能在模型之間流失，回應亦緩慢而生硬。
串接式語音系統
回應緩慢而生硬，停頓時間長
輪次式語音模型
像 ChatGPT 進階語音模式這類輪次式語音模型，會在單一模型內處理並生成音訊，降低延遲並令對話更流暢，但它們仍然以分立輪次運作。模型必須等待用戶停止說話後才能回應，令來回互動顯得僵硬。此外，由於系統根據靜默判斷輪次，即使只是短暫停頓或背景噪音，也可能被誤判為一輪對話結束，導致模型在不自然的時機插話。
輪次式語音模型
回應稍快且更流暢，但與模型來回對話仍感覺僵硬
我們的新方法
GPT‑Live 透過兩項架構改變來處理這些限制。
連續互動
首先，我們以全雙工架構建構 GPT‑Live，支援連續互動。GPT‑Live 並非處理一連串分開的訊息，而是在生成輸出的同時持續處理輸入。因此，模型每秒都能多次作出互動決策：是否說話、繼續聆聽、暫停、插話或調用工具。
這讓模型能夠進行更自然的來回互動、更好地掌握時間感，甚至執行即時翻譯。
連續互動
回應快速、自然、富表達力，聆聽更主動
委派更深入的工作
其次，我們將負責連續互動的 GPT‑Live 與更深入的工作分離。當問題需要搜尋、推理或更強的智能代理能力時，GPT‑Live 可以把任務委派給 GPT‑5.5 等另一個模型。這讓它即使在背景處理多項任務時，也能繼續維持對話。
這項架構改變也讓 GPT‑Live 能夠持續使用最新模型和智能代理，把前沿智能與自然互動結合起來。
委派更深入的工作
GPT-Live 提供快速自然的回應，同時由 GPT-5.5 在背景處理搜尋
評估
我們建立了新的真人評估，用以衡量愉悅度和對話流暢度。在這些一對一比較中，在配對的 5–10 分鐘對話內，相比進階語音模式，評分員明顯較偏好 GPT‑Live‑1 和 GPT‑Live‑1 mini；評估項目包括整體偏好、輪流發言、插話、對話流暢度，以及每次互動的自然程度。
- GPQA：GPT‑Live‑1 在 GPQA 上大幅優於進階語音模式；GPQA 測試生物、化學和物理方面的專家級科學推理。
- BrowseComp：GPT‑Live‑1 在 BrowseComp 上較進階語音模式有顯著提升；BrowseComp 測試智能代理式網絡搜尋，以及找出難以定位資訊的能力。
- τ³-Voice Telecom（內部變體）**：GPT‑Live‑1 在 τ³-Voice Telecom 上優於進階語音模式；該測試評估語音智能代理處理真實多輪電訊支援任務的能力。
* GPT‑Live‑1（即時）和 GPT‑Live‑1 mini 在背景使用 GPT‑5.5 Instant 模型，而 GPT‑Live‑1（中）和 GPT‑Live‑1（高）則使用 GPT‑5.5 Thinking 模型，推理強度分別為中和高。
** 我們在這次評估中使用由我們最新推理模型驅動的自訂用戶模型。
全新的 ChatGPT 語音體驗
每週有超過 1.5 億人透過「語音」和「聽寫」等功能與 ChatGPT 交談。他們透過這些功能在毋須動手的情況下獲得日常協助、練習語言、講睡前故事，或只是在坐車上班途中聊天。
從今天起，當你點按「語音」按鈕與 ChatGPT 交談時，將可享有由 GPT‑Live 驅動的升級體驗：對話更自然、答案更智能、聆聽更準確，並可提供視覺回應。
更自然的對話
現在，與 ChatGPT 交談應會更像真正的對話。你可以插話提問、停下來整理思緒，或請 ChatGPT 放慢速度。它會自然地以「嗯嗯」或「明白」等短語回應你的說話，讓你知道它一直有留心聆聽。我們亦為 GPT‑Live 重新調校 ChatGPT 的九種不同聲音。
更聰明的答案
ChatGPT 語音現在可運用我們最新的前沿模型，在你需要時提供更聰明的答案。你亦可選擇符合需要的推理程度：「即時」可快速回應；如想 ChatGPT 花更多時間思考，則可選「中」或「高」。
更準確地聆聽
如果你需要片刻思考，ChatGPT 語音現在會等待，而不會搶先插話。如果你請它保持安靜並聆聽，它就會照做。而當有背景噪音，例如車輛駛過或附近有人交談，ChatGPT 更能專注於你的聲音，不易被干擾。
一目了然的視覺答案
有些答案看得見會更有用。你交談時，ChatGPT 現在可就天氣、股票、體育等主題顯示豐富的視覺卡片。語音亦繼續支援搜尋、記憶、圖像和檔案上載。
這些改善帶來更自然、能力更強且更適合日常使用的 ChatGPT 語音體驗。
專為語音而設的安全防護
GPT‑Live 的設計以預設安全為原則。它承襲我們最新模型的安全進展，並在主要風險範疇加入專門安全訓練，以及專為語音而設的新防護措施。
擴大安全測試
為更貼近人們在現實環境中使用語音的方式，我們首先擴大安全測試，加入專為音訊設計的全新評估。我們亦建立了合成評估，利用生成音訊更集中測試主要安全範疇，並借鑑進階語音模式所得經驗。這些範疇包括自殘、思覺失調及躁狂狀態、對 AI 的情感依賴、暴力，以及性內容。內部專家亦針對語音特有風險對模型進行紅隊演練。
在測試中，GPT‑Live 在我們評估的幾乎所有範疇，表現均與進階語音模式相若或更好。你可在 GPT‑Live 系統說明卡（在新視窗中開啟）閱讀更多有關測試和防護措施的資訊。
內建防護措施
由於語音對話是即時進行，我們亦建立了可在模型說話時發揮作用的防護措施。當系統偵測到可能不安全的輸出時，它可引導模型作出更安全的回應、顯示額外安全訊息或資源，或在較高風險情況下結束語音對話。對於涉及自殘的對話，我們將 ChatGPT 的支援流程調整至適用於語音，包括提供由專家審核的危機支援熱線資源。
我們設計了額外保護措施以支援青少年用戶，並直接訓練模型採取符合年齡的行為，以降低不當回應的風險。家長可透過家長控制選擇其青少年子女能否使用 ChatGPT 語音；如出現涉及潛在自殘或自殺意圖跡象的較高風險情況，已連結帳戶的家長可能會收到通知。
從實際使用中學習
我們亦正在推出以情感依賴為重點的長期評估和推出後監察，繼續加深理解並完善防護措施。在我們過往對情感性使用和情緒健康的研究基礎上，這將有助我們識別新興模式，並改善系統在情緒敏感互動中的回應方式。
最後，GPT‑Live 為對話而設，而非用於聲音仿冒。它使用 ChatGPT 中一組預設聲音，並設有防護措施防止模仿真人聲音。
我們致力保障用戶安全和福祉，並會隨着從實際使用中學習，持續加強這些保護。
可用情況及限制
GPT‑Live 現正向全球 ChatGPT 用戶推出，並在 iOS、Android 和 ChatGPT.com（在新視窗中開啟） 上提供。GPT‑Live‑1 將成為 Go、Plus 和 Pro 用戶使用 ChatGPT 語音時的預設模型，而 GPT‑Live‑1 mini 將成為免費版用戶的預設模型。更多供應詳情可於我們的說明中心（在新視窗中開啟）查閱。
我們已針對 ChatGPT 中部分最受歡迎的語言優化 GPT‑Live。對於某些語言，模型可能帶有非母語口音，或流暢度有所不足。我們正積極改進各種語言的體驗。
推出時，GPT‑Live 尚不支援在 ChatGPT 中配合視像或螢幕分享使用語音，但我們正努力盡快推出這些功能。這些功能仍可在舊版 ChatGPT 語音中使用，包括標準和進階語音模式。
