ChatGPT语音升级：用户可自然打断AI，模型同时听和说

OpenAI发布了两个新语音模型——GPT-Live-1和GPT-Live-1 mini。它们是“全双工”模型，能同时说话和听，用户可以自然打断，不用等AI说完。以前用语音模式，话说一半会被AI截断，现在不会了。

新模式默认替换了ChatGPT上的Advanced Voice Mode（GPT-Live-1 mini），付费用户可以用更大的GPT-Live-1。过去的模式要经过语音转文本、大语言模型生成回答、文本转语音三个独立环节，延迟很明显。新模型用一个统一的语音处理单元来调度，能同时完成搜索、推理或代理任务——这些会交给底层文本模型（比如GPT-5.5）处理。它还能用视觉形式呈现信息。

在发布会上，OpenAI展示了模型能长时间保持沉默，吸收对话背景，直到被用户点名才回应。产品负责人Atty Eleti说，他曾在散步时跟语音功能聊了30到40分钟。不过，实时翻译功能在演示里还有短板：把英语译成印地语时，口音很重，听起来不自然，像在念书。OpenAI只说新模式对“大多数主要语言”做了优化，没列出具体哪些语言。中文的实时翻译效果怎么样，现在还不好判断。

超过1.5亿人已经在用ChatGPT的语音和听写功能。Eleti认为，语音未来能成为管理复杂任务的界面，就像现在人们用Codex和ChatGPT写代码一样。有报道说OpenAI可能在今年推出AI耳机，但公司没提供任何硬件产品信息。

竞争对手也在追赶：苹果和亚马逊更新了语音助手，对话更自然、上下文处理更好。初创公司Sesame（由Oculus联合创始人Brendan Iribe创办）推出了能同时完成任务的对话式AI助手。另一家Monogram拿了4000万美元（DST和Lux Capital投的），主打视觉响应。

OpenAI强调，新语音模式不是AI伴侣，而是工具。它内置了针对青少年的年龄适龄回应，对话涉及自残等敏感话题时会提供资源链接。这些安全措施也让家长对孩子的使用更放心。

新版语音模式让对话更接近人与人之间的交流——你可以插话，AI也会沉默倾听。但实时翻译效果因地而异，而且还没覆盖所有语言。