語音即AI入口！OpenAI推GPT-Live 打造真人般實時對話體驗

OpenAI於週三（9日）正式發表全新即時語音模型GPT-Live，並同步全面升級ChatGPT Voice，藉由原生全雙工（Full-duplex）即時語音架構，大幅提升AI與使用者的自然對話能力。

新模型除了支援即時翻譯、語音聽寫、調整語速、打斷對話及理解停頓外，還可在背景自動調用GPT-5.5、Web Search等模型與工具，執行複雜推理及聯網搜尋，象徵語音正式成為ChatGPT所有AI能力的統一互動入口。

OpenAI表示，GPT-Live包含GPT-Live-1及GPT-Live-1 mini兩款模型，目前已開始向全球ChatGPT用戶分階段推送，支援Web、iOS及Android平台，未來數週將開放API，讓開發者及企業客戶能將即時語音能力整合至各種產品與應用，相關用戶現已可預先登記取得通知。

官方指出，目前每週已有超過1.5億人透過ChatGPT Voice及Dictation等語音功能與ChatGPT互動，顯示語音正快速成為AI的重要使用方式。市場分析認為，OpenAI希望未來使用者逐漸減少依賴鍵盤輸入，改以直接與AI對話，將語音打造為生成式AI時代最重要的人機互動介面。

此次推出的GPT-Live並非單一模型，而是區分為兩個版本。其中GPT-Live-1預設提供Go、Plus及Pro付費訂閱用戶使用；GPT-Live-1 mini則開放免費用戶作為預設語音模型。新版已開始陸續推送至全球Web版、iOS及Android平台，但先前曾回退新版語音能力的桌面版ChatGPT，目前仍未重新支援新版語音體驗。

OpenAI表示，相較於現行Advanced Voice Mode，GPT-Live最大的提升並非只有反應速度，而是整體語音交流品質。公司為此建立全新的人工評測體系，針對對話舒適度（pleasantness）及整體交流流暢性（flow of conversation）進行評估，並安排5至10分鐘一對一盲測。

測試結果顯示，無論GPT-Live-1或GPT-Live-1 mini，在整體交流體驗（Overall Preference）、輪流說話自然程度（Turn-taking）、遭使用者打斷後的恢復能力（Interruptions）、對話流暢性（Conversational Flow），以及整體是否更接近真人交流（Naturalness）等多項指標，均明顯優於Advanced Voice Mode，這也是OpenAI決定全面取代舊版語音模型的重要原因。

技術方面，GPT-Live最大的升級在於採用原生全雙工語音架構，突破過去AI語音助理普遍採用「你說一句、我答一句」的Turn-based模式。新模型可一邊聆聽、一邊理解使用者內容，同時即時準備回應，不必等待完整句子結束才開始辨識，因此能判斷使用者只是短暫停頓思考，或是真正結束發言；若使用者中途插話，模型也能立即停止回答重新傾聽，再自然接續對話，使互動更貼近真人交流。

除對話體驗提升外，GPT-Live還新增多項功能，包括即時雙向翻譯（Live Translation）、更精準的語音聽寫（Dictation）、更自然的停頓、語調及情緒回饋，並可依照使用者要求即時調整說話速度。例如，當使用者要求「可以說慢一點嗎」，模型會直接重新調整語音節奏，而非僅降低音訊播放速度。

OpenAI強調，GPT-Live並非只是新的語音模型，而是整個ChatGPT能力體系的統一入口。當使用者提出需要複雜推理的問題時，系統可自動切換至GPT-5.5處理；若需要查詢最新資訊，則可直接調用Web Search；涉及天氣、股票、體育等即時資訊時，也能自動呼叫相應能力，再將結果自然地以語音方式回覆，使用者無須手動切換不同模型。

隨著語音互動越來越接近真人交流，OpenAI此次也同步升級安全防護機制。官方表示，當系統偵測到可能涉及不安全內容時，將依風險程度採取不同措施，包括引導模型產生更安全的回覆、主動顯示安全提醒，若判定屬高風險情況，甚至可直接結束語音對話。

針對未成年用戶，OpenAI也將既有家長監護功能延伸至ChatGPT Voice。家長可直接關閉青少年帳號的語音功能；若已開放使用，而系統偵測到青少年試圖將對話導向自殘等高風險內容，系統也會主動通知家長，以提升未成年使用安全。

OpenAI表示，GPT-Live目前已向全球ChatGPT用戶陸續開放，並針對ChatGPT最常使用的多種語言完成最佳化。不過，官方坦言部分語言仍可能存在非母語口音或流暢度不足等問題，團隊將持續改善多語言表現。

此外，新版GPT-Live首波推出仍有部分限制，目前尚未支援視訊及螢幕共享語音模式，相關功能仍在開發中。現階段若使用者需要在視訊或共享畫面情境下進行語音互動，仍須使用既有的ChatGPT Voice（Legacy Voice）模式。OpenAI表示，待API正式開放後，GPT-Live將成為提供開發者即時AI語音能力的核心模型，進一步推動語音成為AI時代的主要互動入口。