维度网讯，美国人工智能公司OpenAI推出新一代语音模型GPT-Live，用于驱动更自然的人机语音交互。该模型基于全双工架构，可以连续聆听并实时回应，不再完全依赖传统语音助手“用户说完一句、系统再开始回答”的轮次模式。

GPT-Live将推出两个版本，分别为GPT-Live-1和GPT-Live-1 mini。GPT-Live-1将成为ChatGPT Voice面向Go、Plus和Pro用户的默认语音模型，GPT-Live-1 mini将成为Free用户的默认语音模型。OpenAI表示，GPT-Live正在向全球ChatGPT用户滚动上线，覆盖iOS、Android和ChatGPT.com。

全双工是这次模型变化的核心。传统语音交互通常需要等待用户停顿或结束发言后再判断是否回应，容易出现抢话、漏听、延迟或打断体验不自然等问题。GPT-Live可以在对话过程中持续监听语音输入，同时判断用户是在暂停、补充、改口还是希望模型立即回应。模型能够处理停顿、插话、语速变化和对话节奏切换，让语音交互更接近人与人之间的实时交流。

GPT-Live面向的是实时语音代理场景。模型需要同时完成语音理解、上下文跟踪、回应生成和语音输出控制，还要决定什么时候继续听、什么时候插入回应、什么时候等待用户补充。相比单纯语音转文字再生成回答的流程，全双工语音模型把听、想、说放进同一个连续交互系统中，对延迟控制、语音活动检测、上下文保持和对话轮次判断要求更高。

OpenAI还发布了GPT-Live系统卡，说明GPT-Live-1和GPT-Live-1 mini属于新一代语音模型，目标是让AI对话更自然、更智能。系统卡中提到，全双工能力使模型能够连续聆听并回应，而不是等待一个明确的发言回合结束后再行动。

在产品形态上，GPT-Live首先进入ChatGPT Voice。用户可以在移动端或网页端通过语音方式与ChatGPT对话，模型会根据语音输入内容和对话上下文进行实时回应。对于语音助手、客服机器人、教育陪练、会议辅助、车载交互和实时陪伴类应用来说，这类模型的关键指标会集中在响应延迟、打断处理、自然停顿识别、连续多轮对话和语音输出稳定性上。

API方面，OpenAI已开放GPT-Live-1 API通知注册入口，开发者可申请获取后续可用通知。后续如果GPT-Live进入API，企业和开发者将能够把全双工语音能力接入语音客服、智能硬件、实时翻译、远程协作和行业语音代理产品中。