OpenAI正式发布基于GPT-Live架构的全新ChatGPT语音体验，标志着其语音技术迎来一次重大架构跃迁。相比 2024 年推出的Advanced Voice Mode，新版语音不再依赖传统语音系统，而是转向专为智能语音代理打造的实时音频模型。

早在今年 5 月，OpenAI就公布了迄今最先进的实时语音模型GPT-Realtime-2，将GPT- 5 级别的推理能力引入实时音频交互场景。这套模型能更好地处理复杂请求，更稳定地追踪长对话上下文，并在保持自然语速和语气的同时完成多步骤任务。如今基于GPT-Live架构的新一代语音体验进一步拉高了交互上限，让ChatGPT真正具备了"同时说话、倾听和思考"的能力。

像真人一样接话、不打断、还会"嗯哼"

全双工架构是本次升级的核心，它打破了传统语音助手"你说完我再答"的排队模式。在实际交互中，GPT-Live能在用户停顿或放慢语速时，自然地插入"okay""嗯哼"等轻微语气反馈，而不会粗暴打断完整语句。当用户需要思考片刻时，模型也会主动保持安静，避免产生打扰感。

打断控制方面同样表现出色，用户可以随时插话或改变问题方向，模型会即时调整回应逻辑，顺畅接上新的对话目标。更关键的是，新语音体验还能处理需要联网搜索、深度推理或复杂任务规划的问题，后台默认调用GPT-5. 5 模型生成答案。这意味着用户在语音场景下获得的不仅是更接近人类的对话节奏，也包括与文本模式相近的"重思考"能力。

两个版本齐发，从免费用户到企业客户全覆盖

OpenAI同步推出GPT-Live- 1 和GPT-Live-1 mini两个版本，覆盖不同层级用户。ChatGPT Go、Plus和Pro等付费用户默认使用功能更全面的GPT-Live-1，免费用户则获得由mini版本驱动的语音体验。对开发者和企业客户而言，两款模型均通过API开放接入，方便其构建新一代语音代理和垂类应用。

从节奏来看，OpenAI正加速将"对讲机式"语音助手升级为更接近真人对话的全双工智能代理模式。随着GPT-Realtime- 2 与GPT-Live相继落地，ChatGPT语音模式正在从简单的语音问答工具，转变为能在语音环境下执行复杂任务、维持长时互动的"智能对话伙伴"。