我們推出 GPT‑Live，這是新一代語音模型，讓與 AI 對話更接近真人交流。
GPT‑Live 採用全雙工架構，因此能同時聆聽與說話。在對話中，GPT‑Live 可以用「嗯哼」或「對」等語句表示它正在聆聽，也能快速自然地來回對話，或在你需要思考時安靜等待。這讓語音對話體驗更加自然，聊起來格外輕鬆。
GPT‑Live 也是我們迄今最聰明的語音模型。對於需要網路搜尋、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，等結果準備好後再帶回對話中。在處理工作的同時，GPT‑Live 仍能繼續與你交談，維持對話流暢。推出初期，GPT‑Live 會在背景使用 GPT‑5.5。隨著我們推出新的前沿模型，我們也會持續更新 GPT‑Live 所使用的模型。
這些進展支撐了全新的 ChatGPT 語音體驗，讓使用過程更智慧、更自然。長遠來看，我們相信這項研究也將開啟以語音處理越來越複雜、耗時更長且更仰賴智慧體能力工作的可能性。
從今天起，我們開始向全球 ChatGPT 使用者推出兩個版本的 GPT‑Live：GPT‑Live‑1 和 GPT‑Live‑1 mini。我們也將很快在 API 中提供 GPT‑Live；開發者和企業可透過這份表單登記接收通知。
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：在這樣的世界裡，與 AI 協作會像與另一個人共事一樣流暢且反應靈敏，而推理和複雜任務執行則在背景中無縫完成。
過去的語音系統
較早世代的語音 AI 系統讓我們更接近這個願景，但也必須做出重要取捨。
串接式語音系統
串接式語音系統仰賴多個模型依序處理每一輪對話。最初的 ChatGPT 語音將三個模型串接在一起：語音轉文字模型用來轉錄你的語音，大型語言模型用來產生回應，文字轉語音模型則將回應轉回語音。這種方法讓我們首次能與前沿 AI 模型交談，但複雜性也帶來代價：資訊可能在模型之間流失，回應也緩慢而生硬。
串接式語音系統
回應緩慢且生硬，停頓時間長
回合式語音模型
像 ChatGPT 進階語音模式這樣的回合式語音模型，能在單一模型內處理並生成音訊，降低延遲並讓對話更順暢，但仍採用以回合為單位的互動方式。模型必須等使用者停止說話後才能回應，導致來回互動顯得僵硬。此外，由於回合偵測是以靜音為依據，即使是短暫停頓或背景噪音，也可能被誤認為回合結束，造成模型在不自然的時機插話。
回合式語音模型
回應稍快且更順暢，但與模型的來回互動仍顯僵硬
我們的新方法
GPT‑Live 透過兩項架構改變來解決這些限制。
連續互動
首先，我們以全雙工架構打造 GPT‑Live，使其能進行連續互動。GPT‑Live 不再逐則處理彼此獨立的訊息，而是在生成輸出的同時持續處理輸入。因此，模型每秒可多次決定是否要說話、繼續聆聽、暫停、插話，或呼叫工具。
這讓模型能進行更自然的來回對話，更準確掌握對話節奏，甚至提供即時翻譯。
連續互動
回應快速、自然而且富表現力，同時聆聽更主動
將更深入的工作委派給其他模型
其次，我們將負責持續互動的 GPT‑Live 與負責較深入工作的模型分離。當問題需要搜尋、推理或更強的智慧體能力時，GPT‑Live 可以將任務委派給 GPT‑5.5 之類的另一個模型。如此一來，即使在背景處理多項任務，它也能讓對話持續進行。
這項架構改變也讓 GPT‑Live 能持續使用最新模型和智慧體，將前沿智慧與自然互動結合。
委派處理更深入的工作
GPT-Live 提供快速、自然的回應，而 GPT-5.5 則在背景處理搜尋
評估
我們建立了新的人類評估，用來衡量對話是否自然流暢，以及整體互動體驗是否令人愉快。在這些一對一比較中，於條件一致的 5–10 分鐘對話裡，GPT‑Live‑1 和 GPT‑Live‑1 mini 相較進階語音模式明顯更受偏好；評估面向包括整體偏好、輪流發言、插話、對話流暢度，以及互動的自然程度。
- GPQA：GPT‑Live‑1 在 GPQA 上大幅優於進階語音模式；GPQA 測試的是橫跨生物、化學和物理的專家級科學推理能力。
- BrowseComp：GPT‑Live‑1 在 BrowseComp 上相較進階語音模式有顯著提升；BrowseComp 測試的是智慧體式網路搜尋，以及尋找難以取得資訊的能力。
- τ³-Voice Telecom（內部變體）**：GPT‑Live‑1 在 τ³-Voice Telecom 上表現優於進階語音模式；τ³-Voice Telecom 測試的是語音智慧體在真實、多輪電信支援任務中的表現。
* 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）則使用具備中、高推理強度的 GPT‑5.5 Thinking 模型。
** 在這項評估中，我們使用了由最新推理模型驅動的自訂使用者模型。
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 對話，在日常生活中不必動手就能取得協助、練習語言、講睡前故事，或只是在通勤時聊聊天。
從今天起，當你點按語音按鈕與 ChatGPT 對話時，將獲得由 GPT‑Live 提供支援的升級體驗，對話更自然、回答更聰明、聆聽更準確，還能提供視覺化回應。
更自然的對話
現在，與 ChatGPT 交談應該會更像一場真正的對話。你可以插話提問、暫停一下整理思緒，或請 ChatGPT 放慢速度。ChatGPT 會自然地用「嗯嗯」或「了解」等語句回應你說的話，讓你知道有跟上話題。我們也為 GPT‑Live 重新製作了 ChatGPT 中九種各具特色的聲音。
更聰明的回答
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回答。你也可以依需求選擇推理程度：「即時」可快速回覆；當你希望 ChatGPT 花更多時間思考時，則可選擇「中」或「高」。
更好的聆聽能力
如果你需要一點時間思考，ChatGPT 語音現在會等待，而不是搶先插話。如果你要求保持安靜聆聽，ChatGPT 就會照做。而當有背景噪音時，例如車輛經過或附近有人交談，ChatGPT 也更能專注在你的聲音上，不容易被干擾。
一目瞭然的視覺化回答
有些答案看得見時會更有用。在你交談時，ChatGPT 現在可以針對天氣、股票、體育等主題顯示豐富的視覺化卡片。語音也持續支援搜尋、記憶、圖片和檔案上傳。
整體而言，ChatGPT 語音體驗在日常生活中會感覺更自然、更有能力，也更實用。
為語音而設計的安全性
GPT‑Live 在設計上預設以安全為優先。除了延續最新模型在安全方面的進展，也針對關鍵風險領域進行專門的安全訓練，並加入專為語音互動設計的新防護措施。
擴大安全測試
為了更貼近人們在真實情境中使用語音的方式，我們首先擴大安全測試，納入新的音訊原生評估。我們也借鏡進階語音模式的經驗，建立使用生成音訊的合成評估，更集中地檢視關鍵安全領域。這些領域包括自我傷害、精神病與躁症、對 AI 的情感依賴、暴力和性內容。內部專家也針對語音特有的風險對模型進行紅隊演練。
在我們的測試中，GPT‑Live 在幾乎所有評估領域的表現都與進階語音模式相當或更好。你可以在 GPT‑Live 系統說明卡(在新視窗中開啟)中閱讀更多關於我們測試與防護措施的資訊。
內建防護措施
由於語音對話是即時進行的，我們也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，可以引導模型給出更安全的回應、顯示額外的安全訊息或資源，或在較高風險的情況下結束語音對話。針對涉及自我傷害的對話，我們將 ChatGPT 的支援流程調整為適用於語音，包括提供經專家審核的危機求助專線支援。
我們設計了額外的保護措施來保障青少年使用者，並直接訓練模型採取符合使用者年齡的行為模式，以降低產生不當回應的風險。家長可透過家長控制功能，選擇是否允許青少年子女使用 ChatGPT 語音；若出現可能涉及自我傷害或自殺意圖的跡象，且情況風險較高，已連結帳戶的家長也可能收到通知。
從真實世界使用中學習
我們也正在推出聚焦情感依賴的長期衡量與發布後監控，以持續加深理解並完善防護措施。承接我們先前對情感性使用與情緒福祉的研究，這將協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 的設計重點是自然對話，而非模仿特定人物的聲音。GPT‑Live 使用 ChatGPT 內建的一組預設語音，並設有防護措施，防止模型模仿真人的聲音。
我們致力於支持安全與福祉，並會隨著從真實世界使用中學習到的經驗，持續強化這些保護。
供應情況與限制
GPT‑Live 現正於全球向 iOS、Android 和 ChatGPT.com(在新視窗中開啟) 上的 ChatGPT 使用者推出。GPT‑Live‑1 將成為為 Go、Plus 和 Pro 使用者的 ChatGPT 語音提供支援的預設模型，而 GPT‑Live‑1 mini 將成為免費版使用者的預設模型。更多供應情況詳情可參閱我們的說明中心(在新視窗中開啟)。
我們已針對 ChatGPT 中部分最常用的語言最佳化 GPT‑Live。對於某些語言，模型可能帶有非母語口音，或在流暢度上有所不足。我們正積極改善各語言的使用體驗。
發布時，GPT‑Live 尚不支援 ChatGPT 中搭配影片或螢幕分享的語音功能，但我們正努力盡快推出這些能力。你仍可使用現行的 ChatGPT 語音，包括標準和進階語音模式；這些版本可使用上述功能。
