OpenAI正在升級其AI語音技術，使其能夠與文本AI保持同等水平。兩款新模型GPT-Live-1及其迷你版，目前已面向所有ChatGPT用戶正式推出。
這兩款新模型基於OpenAI最新的前沿模型構建。用戶可以根據需要選擇三個不同的智能層級，以決定回答的深度。ChatGPT語音產品負責人Atty Eleti在接受媒體採訪時表示，此次最大的升級在於語音更接近人聲，對話也更加自然流暢。
此次最重要的底層改進是一項名為"連續交互"的全新機制。這一框架允許AI同時接收資訊並產生輸出——在語音場景中，即可做到"邊聽邊說"。這與此前只能在用戶說完話後才能回應的語音模式相比，有了根本性的變化。
這一特性在實時同聲翻譯方面尤為實用：用戶用英語說話，ChatGPT便能以極短的延遲將內容翻譯成西班牙語、印地語或其他語言。
新架構的部分能力還可以將任務委託或轉交給OpenAI的前沿模型處理。例如，它能在回答你當前問題的同時，繼續研究另一個問題。
GPT-Live模型研究負責人Kundan Kumar表示："當GPT-Live遇到需要深度思考的問題時，它可以將推理和複雜任務委託給GPT-5.5並行處理，而GPT-Live本身則可以繼續與用戶保持對話。"處理完成後，答案會被"無縫融入"到回覆中。
Eleti補充道："這正是人類互相交流的方式——我們在後台思考的同時，讓對話保持流暢進行。"
新模型還運用了OpenAI更新的AI設計技術，在適當情況下生成可視化答案，"因為有些時候，最好的答案是展示出來，而不是說出來"，Eleti說道。天氣預報、體育比分以及各類圖表均屬此類場景。
這兩款新語音模型現已面向所有ChatGPT用戶開放，包括免費用戶和付費訂閱用戶，支持移動端應用和網頁版。如果暫時看不到該功能，無需擔心——OpenAI表示，可能需要一到兩天時間才能確保所有用戶都能正常訪問。此次更新與本周四預計推出的GPT-5.6系列是獨立的兩項發布。
用戶將會注意到，AI語音模仿人類說話的方式之一，是加入了語氣詞——例如思考時會說出的"呃""嗯""就是"等詞彙，這是本次更新新增的功能。此外，打斷AI說話的延遲也有所降低。用戶還可以讓AI安靜聆聽，僅在被呼喚名字（作為喚醒詞）時才作出回應。不過，與Siri和Alexa不同，ChatGPT在被手動關閉之前會持續保持監聽狀態。
OpenAI默認將語音模式的內容排除在AI訓練數據之外。音頻片段會保存30天——以便AI擁有之前對話的上下文——用戶也可以手動刪除。
然而，讓AI越來越像人類，也帶來了相應的風險。我們已經見過大量案例（甚至訴訟）表明，將AI擬人化可能造成危害，尤其對心理健康存在困擾的群體影響更為顯著。對此，OpenAI表示，新模型擴展了安全防護機制，在自我傷害、精神障礙、暴力及色情內容等"關鍵安全領域"的表現均優於以往版本。
Q&A
Q1：GPT-Live-1的"連續交互"機制是什麼？
A：連續交互是GPT-Live-1採用的一種全新處理框架，允許AI同時接收資訊並產生輸出。在語音場景中，這意味著AI可以邊聽用戶說話邊給出回應，而不必等用戶說完才能作答，從而實現更流暢自然的對話體驗，也支持實時同聲翻譯等應用場景。
Q2：ChatGPT新語音模型如何保護用戶隱私？
A：OpenAI默認將語音模式的內容排除在AI訓練數據之外，不會用於模型訓練。用戶的音頻片段會被保存30天，以維持對話上下文，但用戶可以隨時手動刪除這些音頻記錄。
Q3：ChatGPT新語音模型有哪些安全措施？
A：針對AI擬人化帶來的潛在風險，OpenAI為新模型擴展了安全防護機制。據官方介紹，新模型在自我傷害、精神障礙、暴力及色情內容等關鍵安全領域的表現均優於此前版本，旨在降低對心理健康脆弱群體可能造成的傷害。
