ChatGPT全新语音模型可实现边听边说

OpenAI正在升级其AI语音技术，使其能够与文本AI保持同等水平。两款新模型GPT-Live-1及其迷你版，目前已面向所有ChatGPT用户正式推出。

这两款新模型基于OpenAI最新的前沿模型构建。用户可以根据需要选择三个不同的智能层级，以决定回答的深度。ChatGPT语音产品负责人Atty Eleti在接受媒体采访时表示，此次最大的升级在于语音更接近人声，对话也更加自然流畅。

此次最重要的底层改进是一项名为"连续交互"的全新机制。这一框架允许AI同时接收信息并产生输出——在语音场景中，即可做到"边听边说"。这与此前只能在用户说完话后才能回应的语音模式相比，有了根本性的变化。

这一特性在实时同声翻译方面尤为实用：用户用英语说话，ChatGPT便能以极短的延迟将内容翻译成西班牙语、印地语或其他语言。

新架构的部分能力还可以将任务委托或转交给OpenAI的前沿模型处理。例如，它能在回答你当前问题的同时，继续研究另一个问题。

GPT-Live模型研究负责人Kundan Kumar表示："当GPT-Live遇到需要深度思考的问题时，它可以将推理和复杂任务委托给GPT-5.5并行处理，而GPT-Live本身则可以继续与用户保持对话。"处理完成后，答案会被"无缝融入"到回复中。

Eleti补充道："这正是人类互相交流的方式——我们在后台思考的同时，让对话保持流畅进行。"

新模型还运用了OpenAI更新的AI设计技术，在适当情况下生成可视化答案，"因为有些时候，最好的答案是展示出来，而不是说出来"，Eleti说道。天气预报、体育比分以及各类图表均属此类场景。

这两款新语音模型现已面向所有ChatGPT用户开放，包括免费用户和付费订阅用户，支持移动端应用和网页版。如果暂时看不到该功能，无需担心——OpenAI表示，可能需要一到两天时间才能确保所有用户都能正常访问。此次更新与本周四预计推出的GPT-5.6系列是独立的两项发布。

用户将会注意到，AI语音模仿人类说话的方式之一，是加入了语气词——例如思考时会说出的"呃""嗯""就是"等词汇，这是本次更新新增的功能。此外，打断AI说话的延迟也有所降低。用户还可以让AI安静聆听，仅在被呼唤名字（作为唤醒词）时才作出回应。不过，与Siri和Alexa不同，ChatGPT在被手动关闭之前会持续保持监听状态。

OpenAI默认将语音模式的内容排除在AI训练数据之外。音频片段会保存30天——以便AI拥有之前对话的上下文——用户也可以手动删除。

然而，让AI越来越像人类，也带来了相应的风险。我们已经见过大量案例（甚至诉讼）表明，将AI拟人化可能造成危害，尤其对心理健康存在困扰的群体影响更为显著。对此，OpenAI表示，新模型扩展了安全防护机制，在自我伤害、精神障碍、暴力及色情内容等"关键安全领域"的表现均优于以往版本。

Q&A

Q1：GPT-Live-1的"连续交互"机制是什么？

A：连续交互是GPT-Live-1采用的一种全新处理框架，允许AI同时接收信息并产生输出。在语音场景中，这意味着AI可以边听用户说话边给出回应，而不必等用户说完才能作答，从而实现更流畅自然的对话体验，也支持实时同声翻译等应用场景。

Q2：ChatGPT新语音模型如何保护用户隐私？

A：OpenAI默认将语音模式的内容排除在AI训练数据之外，不会用于模型训练。用户的音频片段会被保存30天，以维持对话上下文，但用户可以随时手动删除这些音频记录。

Q3：ChatGPT新语音模型有哪些安全措施？

A：针对AI拟人化带来的潜在风险，OpenAI为新模型扩展了安全防护机制。据官方介绍，新模型在自我伤害、精神障碍、暴力及色情内容等关键安全领域的表现均优于此前版本，旨在降低对心理健康脆弱群体可能造成的伤害。