当我们与某人交谈时，我们不会等对方说完才说话。他们一边点头一边听，一边寻找词语一边回应，有时随着谈话的进行而重叠。机器一直无法做到这一点。就像对讲机一样，等待一方说完。我认为这种结构在与人工智能的对话中留下了一种陌生的行为感觉。
OpenAI 发布的 GPT-Live 朝着同时听和说的设计迈出了一步。他们同意了，我想了想，就默默地等待，如果有困难的问题，我会悄悄地问另一边的另一个模特。这与速度或聪明无关，而是关于重塑对话本身的“停顿”。我们可能正在见证与机器交谈的礼仪将被改写的时刻。
2026 年 7 月 8 日，OpenAI 发布了新一代语音模型 GPT‑Live。基于全双工架构，同时听和说。
它将网络搜索和推理等任务委托给后台模型，并在发布时使用 GPT-5.5。从同一天起，将向全球 ChatGPT 用户提供 GPT‑Live‑1 和 GPT‑Live‑1 mini 两个版本，并且还将提供 API。 GPT‑Live‑1 是 Go、Plus 和 Pro 的默认型号，GPT‑Live‑1 mini 是 Free 的默认型号。
GPQA 的正确答案率为：GPT‑Live‑1（高）为 84.2%，AVM 为 45.3%。每周有超过 1.5 亿人使用 ChatGPT 的语音功能。可在 iOS、Android 和 ChatGPT.com 上使用。
[参考视频]
【编辑部评论】
此次发布的真正新颖之处不仅仅是该模型的智能程度。疑难问题的处理则交给GPT-5.5在后台处理，而大脑部分则利用现有技术。创新的主要焦点可以说是在“对话的感觉”上。
传统的语音AI有像对讲机一样重复“说话→等待→说话”的方法。 GPT-Live采用的全双工架构基于人类对话的基本结构，即人们一边说话一边听。将其作为大规模音频体验集成到名为 ChatGPT 的庞大门户中的要点有意义。
我想提请注意的是OpenAI的设计理念有意将“负责对话的层”和“负责思考的层”分开是。对话流畅度由 GPT-Live 处理，搜索和推理由 GPT-5.5 处理。这种分离使您可以继续用最新一代替换底层模型，而无需重新设计音频体验。
这是，音频从与特定模型相关的“功能”转变为计算的永久“入口（接口）”的垫脚石。也可以解读为 这个方向得到了以下事实的支持：ChatGPT 语音功能产品负责人 Ati Eleti 表示，他在散步时进行了许多 30-40 分钟的对话，他希望让语音成为长时间代理类任务的主要联络点。
语音现在正在成为AI助手竞赛的主要竞技场之一。除了自然中断之外，谷歌的 Gemini Live 已经支持摄像头和屏幕共享，亚马逊宣布了 Alexa+，而像 ElevenLabs 这样专注于语音的初创公司也瞄准了同一市场。GPT-Live 是将行业新兴功能重新集成到 ChatGPT 更大网关中的一种方式。你也可以这么说。 GPT-Live 于 7 月 8 日发布，7 月 9 日报道了 OpenAI 下一代模型 GPT-5.6 的广泛部署（GPT-5.6 本身的有限预览于 6 月 26 日发布）。
积极的方面是显而易见的。如果你让她放慢速度，她会回应，不会在你思考时打断你，甚至可以实时翻译。通过添加使用可视卡显示天气、股票价格和体育赛事的功能，体验已经扩展到音频之外。
另一方面，听起来人类是一把双刃剑。据报道，一些早期用户抱怨他太友好了，“太友好了”。更深层次的问题是情感依赖问题，OpenAI 本身将自残、精神病症状和过度依赖人工智能作为安全的优先领域，并刻意划定界限，称它“是为对话而设计的，而不是为语音模仿而设计的”。
鉴于“Sky”听起来与斯嘉丽约翰逊的声音非常相似，在GPT-4o发布时成为一个问题，GPT-Live明确表示它的设计不是为了模仿真人的声音。随着对身份盗窃的监管压力越来越大，例如使用人工智能生成的声音的自动呼叫在美国被定为非法，这些保护措施可能会成为该行业的标准防线。 Signal 的梅雷迪思·惠特克 (Meredith Whittaker) 等不断发出警告，“聊天机器人不是我们的朋友”，而亲密的语音媒介的纪律是一个未来将受到严重质疑的问题。
从长远来看，GPT-Live的真正价值不在于发布当天的演示，而在于人们是否继续使用它以及在英语以外的语言中体验是否相同。OpenAI 本身也承认某些语言可能存在非母语口音和流畅性挑战。 GPT-Live 是否会被视为迈向未来的一步，让语音成为与键盘并列的“主要操作界面”？答案很可能取决于未来的使用数据。
[相关文章]
xAI 语音代理生成器简介 |无需任何代码即可构建手机 AI，Grok Voice 迎接语音挑战比较使用 τ-voice 基准的公司，该基准也出现在 GPT-Live 评估中。最近一篇关于语音 AI 代理竞争的文章，非常适合进行比较。
OpenAI GPT-5.6（Sol/Terra/Luna）命名争议背后的真相——美国政府的有限发布与主权AI的功课GPT-5.6限量发布的详细细节，这是GPT-Live的背景。可以补充词汇表中提到的6月26日预览的背景。
5大AI公司价格与功能全面对比 | “个人使用受学习，商业使用受保护”的通俗说法是什么？组织了 Go/Plus/Pro 层次结构和高级音频模式的定位。这将帮助您了解每个计划的 GPT-Live 默认设置。
[编者后记]
作为一项技术，我真的认为它是惊人的。改变听力和口语的结构与仅仅减少几百毫秒的延迟是不同的水平。这是因为我们正在修改对话的结构。人工智能会插话，人工智能会尊重你的沉默。这当然很容易谈论。
然而，“好说话”真的就意味着不放手就能幸福吗？
听起来像人类的声音也更容易让人相信。我最终对一个点头的人说了很多话。当我看到GPT-Live的安全列表中列出的自残和情感依赖时，我意识到OpenAI本身对这些问题很警惕。它是为对话而设计的，而不是为了模仿。之所以明确说明这一点，可能是因为创造者比任何人都更了解这项技术所具有的引力。
另一件一直悄悄困扰我的事情是“委托”的设计。将负责对话的层与思考的层分开。在快速响应的同时，另一种模式正在幕后寻找和推理。虽然我认为这是一个成熟的系统，但我也觉得与我交谈的人的轮廓有点模糊。平稳过渡的另一边正在发生什么？它不再对用户可见。
这并不意味着我认为不使用它不是正确的选择。我想我可能不得不接受这种使用事物的麻烦态度，而不怀疑它们在我的余生中的用处。
声音比键盘更接近身体。大声说话的行为有一个与写作不同的弱点。该入口将继续每天开放。
OpenAI 本身也承认，某些语言仍存在口音和流畅性问题，至于日语体验的自然程度如何。当你真正谈论它时，你觉得舒服还是有点令人毛骨悚然？如果您愿意，请告诉我您的想法。
【术语解释】
全双工架构
通信术语，指允许双方同时发送和接收的方法。这是一种在通话时可以听到对方声音的状态，就像打电话一样。当应用于语音人工智能时，该模型可以继续处理用户输入，同时生成自己的响应。这是打破传统对讲机“通话→等待→通话”模式的关键。
GPT-5.6（太阳／地球／月球）
它是 OpenAI 的下一代模型系列，并于 2026 年 6 月 26 日发布了有限预览版。它由旗舰版 Sol、适合日常工作的 Terra 和快速低成本的 Luna 组成。据说 Terra 能够以一半的价格提供与 GPT-5.5 相当的性能。 GPT-Live 宣布的第二天（7 月 8 日），就有报道称 GPT-5.6 已得到广泛部署。
GP质量保证
它是衡量生物、化学、物理领域专家级科学推理能力的基准（评估标准）。它由困难的研究生水平问题组成，用于测试模型的高级智力。
浏览比较
这是一个衡量类似代理的网络搜索能力的基准，特别是寻找难以找到的信息的能力。评估人工智能自主收集和探索信息的能力。
[参考链接]
OpenAI（公司官方网站）（外部）
开发ChatGPT和GPT-5系列的AI公司官网。我们广泛传播我们的使命、产品阵容和研究成果。
谷歌双子座（外部）
谷歌的人工智能助手。它提供Gemini Live，支持自然对话和相机/屏幕共享，据说是GPT-Live的主要竞争对手。
十一实验室（外部）
一家专门从事语音合成和语音AI的公司的官方网站。它通过自然阅读和语音代理在市场上与 OpenAI 竞争。
信号（外部）
提供加密消息传递应用程序的非营利组织。惠特克主席警告不要过度依赖人工智能。
[参考文章]
GPT-5.6 Sol 预览：下一代模型（OpenAI 官方）（外部）
GPT-5.6 系列的有限预览版将于 2026 年 6 月 26 日发布。这是确认 GPT-Live 公告背景的主要信息。
OpenAI推出全双工语音升级GPT-Live（VentureBeat）（外部）
分析一下，GPT-Live的新颖之处不在于它的聪明，而在于它的感觉。它解释了对话层和推理层分离设计的意义。
OpenAI推出GPT-Live全双工语音模型（SQ杂志）（外部）
批评者称，延迟本身已成为付款的一个差异化因素。它还报告每个层的默认设置及其在每个基准测试中的优越性。
OpenAI 发布新语音模型以实现更自然的实时对话（TechCrunch）（外部）
它拥有每周 1.5 亿人使用语音等的记录，并整理了实时翻译和长时间对话的目标以及竞争趋势。
OpenAI 推出 GPT-Live 让 ChatGPT 语音感觉像真实对话（MacRumors）（外部）
它整理了 GPT-Live-1/mini 的目标，并报告了同日发布的 GPT-5.6 系列 Sol/Terra/Luna 的细分。
OpenAI发布全双工音频模型“GPT-Live”（BigGo财经）（外部）
引入最初对尺寸过大的不满。它还报道了过去的天空音频争议、全双工的先例以及奥特曼先生的评论。
OpenAI的GPT-Live：可听可说的ChatGPT语音（The Next Web）（外部）
我们将讨论实时翻译演示、类人声音的好处和危险，以及惠特克的警告和竞争。