介紹 GPT‑Live

我們正在推出 GPT‑Live：新一代語音模型，讓與 AI 交談更像真正的對話。

GPT‑Live 採用全雙工架構，可以同時聆聽與說話。在對話中，GPT‑Live 可以用「嗯嗯」或「對」等語句表示自己有在聽，也能快速與你一來一往，或在你需要一點時間思考時保持安靜，讓語音互動自然輕鬆，聊起來毫不費力。

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，它會在幕後交由我們最新的前沿模型處理，並在結果準備好後帶回對話中。在處理期間，GPT‑Live 可以繼續與你交談，維持對話流暢。發布時，GPT‑Live 將在背景使用 GPT‑5.5。隨著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，使用起來更智慧，也更自然。長遠來看，我們相信這項研究也將讓語音能處理日益複雜、執行時間更長，且需要更多智慧體自主能力的工作。

今天，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。我們也計畫很快將它們帶到 API；開發者和企業可透過此表單⁠註冊以接收通知。

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 協作就像與另一個人共事一樣流暢且反應靈敏，而推理與複雜任務執行則在背景中無縫進行。

較早世代的語音 AI 系統讓我們更接近這個願景，但也有重要取捨。

串接式語音系統仰賴一系列模型依序運作，來處理每一輪對話。最初的 ChatGPT 語音將三個模型串接在一起：語音轉文字模型負責轉錄你的語音，大型語言模型負責產生回應，再由文字轉語音模型將回應轉回語音。這種方法讓我們第一次能與前沿 AI 模型對話，但複雜度也帶來代價：資訊可能在模型之間流失，回應也緩慢而生硬。

像 ChatGPT 進階語音模式這類回合式語音模型會在單一模型內處理並生成音訊，降低延遲並讓對話更順暢，但仍以離散回合運作。模型必須等使用者停止說話後才能回應，導致往返對話變得僵硬。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，也可能被誤判為回合結束，導致模型在不自然的時機打斷。

GPT‑Live 透過兩項架構變更來解決這些限制。

首先，我們使用全雙工架構，將 GPT‑Live 打造成可連續互動的系統。GPT‑Live 不再處理一串彼此分離的訊息，而是在產生輸出時持續處理輸入。因此，模型每秒都能多次做出互動決策：是否說話、繼續聆聽、暫停、打斷，或呼叫工具。

因此，模型能更自然地與使用者一來一往，更準確地掌握對話節奏，甚至能進行即時口譯。

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、推理或更多智慧體能力時，GPT‑Live 可以將任務委派給 GPT‑5.5 等其他模型，因此即使在背景處理多項任務，對話也能持續進行。

這項架構變更也讓 GPT‑Live 能持續使用最新模型和智慧體，結合前沿智慧與自然互動。

我們建立了新的人類評估，用來衡量愉悅度與對話流暢度。在這些一對一比較中，雙方進行條件相同的 5 至 10 分鐘對話，GPT‑Live‑1 和 GPT‑Live‑1 mini 相較於進階語音模式明顯更受偏好；評估項目包括整體偏好、輪流發言、打斷、對話流暢度，以及每次互動感覺有多自然。

• GPQA：GPT‑Live‑1 在 GPQA 上大幅優於進階語音模式；GPQA 測試生物、化學與物理領域的專家級科學推理。
• BrowseComp：GPT‑Live‑1 在 BrowseComp 上相較於進階語音模式有明顯提升；BrowseComp 測試智慧體式網路搜尋，以及尋找難以定位資訊的能力。
• τ³-Voice Telecom**：GPT‑Live‑1 在 τ³-Voice Telecom 上優於進階語音模式；該測試評估語音智慧體在真實、多回合電信支援任務中的表現。

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。

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。

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」。

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。

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。

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。

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。

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。

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。

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。