2026年7月8日，OpenAI 发布了名为 GPT-Live-1 和 GPT-Live-1 mini 的全新对话模型，声称它们听起来更加自然，并且能够更好地处理轮流对话。这些模型均为全双工模型，这意味着它们可以同时进行说话和聆听，使用户能够自然地打断对方，并支持实时翻译等功能。
该公司还将ChatGPT中现有的高级语音模式默认替换为GPT-Live-1 mini。付费用户将可以使用功能更强大的GPT-Live-1模型。之前的模型结合了语音转文本模型（用于转录语音）、大型语言模型（用于生成回复）和文本转语音模型（用于输出最终答案）。
该公司在新闻发布会上表示，新模型解决了诸如在用户说话时打断他们以及智能不足以回答问题等问题。OpenAI 的新模型会将查询发送给其最新的文本模型（例如 GPT-5.5）进行搜索、推理或智能代理，同时继续对话。
OpenAI 还展示了该模型可以长时间保持沉默，并吸收对话上下文，直到被调用。此外，由于新的语音模式可以访问更新的 GPT 模型，它还可以以可视化的形式呈现一些信息。其他初创公司，例如从 DST 和 Lux Capital 获得 4000 万美元种子轮融资的Monogram ，也在致力于开发可视化响应功能，以使助手更具互动性。
该公司表示，ChatGPT 的全新语音模式旨在实现更长时间的对话。在简报会上，ChatGPT 语音产品负责人 Atty Eleti 表示，他曾在散步时使用该语音功能进行过 30 至 40 分钟的对话。
OpenAI认为语音可能成为复杂计算的主要交互方式。有报道称，该公司今年可能会推出一款具备人工智能功能的耳机。然而，OpenAI并未透露任何硬件产品信息。
“我们认为，随着时间的推移，这将使语音成为计算机的主要交互界面，并用于管理日益复杂且耗时的智能体工作。我们看到人们使用 Codex 和 ChatGPT 完成了许多令人惊叹的应用案例，我们认为语音可以成为未来各种工作的交互界面，”Eleti 说。
过去几年，OpenAI 一直致力于增强语音 功能，使 ChatGPT 的语音模式听起来更加自然。该公司表示，已有超过 1.5 亿人使用语音和听写等功能与 ChatGPT 进行交流。
竞争对手也在尝试让助手们更有表现力。
苹果和亚马逊都已更新了各自的语音助手，使其更具对话性，并能更好地处理上下文。由Oculus联合创始人Brendan Iribe和Ankit Kumar创立的初创公司Sesame也推出了人工智能助手，这些助手不仅能进行更自然的对话，还能在后台完成任务。
OpenAI 也朝着这个方向发展，旨在让用户能够更长时间地免提与助手对话。尽管该公司声称新的语音模式听起来更自然，但它强调，其目标并非将其打造为人工智能伴侣。OpenAI 指出，新模型内置了安全机制，能够为青少年提供符合其年龄的回应，并在对话涉及自残等话题时提供相关资源。
新的语音模式仍需改进。在演示过程中，当该公司展示其印地语实时翻译功能时，语音助手带有浓重的美国口音，说出来的印地语听起来很不自然，语调也略显生硬。该公司声称新模式针对“大多数常用语言”进行了优化，但并未具体说明是哪些语言。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/69613.html
