OpenAI 发布了 GPT-Live，这是一个基于全双工架构的新型语音模型系列，能够同时收听和说话，实现包含反馈、打断和实时轮换的自然对话流程。
该模型今日起在 ChatGPT 中可用，代表了从原有的级联式 ChatGPT 语音系统和更新的 Advanced Voice Mode 的重大架构变革。GPT-Live 使用单个模型在生成输出的同时持续处理输入，每秒多次做出交互决策：说话、倾听、暂停、打断或调用工具。
两大架构创新
第一个是全双工处理。以往的语音系统基于轮换制：一方说话，然后另一方回应，以沉默为界限。GPT-Live 消除了这一限制。该模型可以在用户仍在说话时添加简短的反馈（”嗯嗯”，”是的”），可以在句子中间被打断，并且可以自然地暂停和恢复。它还支持语言之间的实时翻译。
第二个是委派。当用户提出需要网络搜索、深度推理或智能体能力的问题时，GPT-Live 将任务交给后台运行的 GPT-5.5，同时保持对话流畅。用户会听到快速的确认（”稍等，我还在”），答案会在不中断语音交互的情况下到达。
评估
在 5 到 10 分钟对话的人类偏好测试中，GPT-Live-1 和 GPT-Live-1 mini 在所有测量维度上均大幅优于 Advanced Voice Mode：整体偏好、轮换质量、打断处理、对话流畅度和自然度。
在自动化基准测试中，GPT-Live-1 在 GPQA（专家级科学推理）、BrowseComp（智能体网络搜索）以及用于多轮电信支持任务的 tau3-Voice Telecom 基准测试上显著优于 Advanced Voice Mode。
GPT-Live-1（即时版）和 GPT-Live-1 mini 使用 GPT-5.5 Instant 作为后台推理模型。GPT-Live-1 Medium 和 High 使用具有可配置推理努力的 GPT-5.5 Thinking。视频、屏幕共享和完全多语言支持在发布时不可用，但预计将在未来更新中推出。API 版本也已规划。
来源：MarkTechPost（7月8日）
婷 翻译