ChatGPT 终于学会别抢话了：GPT-Live 把语音 AI 拆成了两层
OpenAI 发布 GPT-Live，重点不只是更自然的语音，而是把实时对话和后台推理拆开。对语音产品来说，真正的变化是从一问一答，走向持续交互与可委派的工作流。
OpenAI 在 2026 年 7 月 8 日发布 GPT-Live，并开始把 GPT-Live-1 和 GPT-Live-1 mini 推向 ChatGPT 语音用户。它最重要的变化不是“声音更像真人”，而是采用 full-duplex 架构：系统可以在持续接收音频时决定继续听、说话、暂停、打断或调用工具。
它和旧语音模式有什么不同
早期语音系统把语音转文字、文本模型回答、文字转语音串成三步，延迟和信息损失都比较明显。Advanced Voice 把音频放进单个模型，但仍以一轮一轮的方式判断用户是否说完。GPT-Live 的目标是持续处理输入和输出，减少把短暂停顿误判为说完的情况。
OpenAI 同时说明，复杂问题会转交后台前沿模型处理；发布时使用 GPT-5.5。也就是说，语音交互层和复杂推理层是两套职责。前台维持对话节奏，后台完成搜索或推理，再把结果带回当前会话。
目前的可用范围和限制
截至 2026 年 7 月 14 日，付费消费者计划使用 GPT-Live-1，免费计划使用 GPT-Live-1 mini，功能仍在分批推出。官方帮助中心写明，Live 首发不支持视频、屏幕共享、connected apps 或 plugins，也不在 Business、Enterprise、Edu、Work、Codex 和自定义 GPT 中提供。需要视频或屏幕共享的用户仍要使用旧的 Advanced Voice。
这些限制决定了它暂时更适合日常对话、语言练习、免手操作和需要快速打断的场景，而不是需要企业连接器或屏幕协作的工作流。
开发者该测什么
API 尚未普遍开放时，不要只根据发布演示设计产品。真正需要记录的是端到端延迟、误打断率、背景噪音下的识别质量、工具调用失败后的恢复，以及不同语言的口音和流利度。官方也承认部分语言可能存在非母语口音或流利度缺口。
语音产品的验收标准应该是“用户能否自然完成任务”，而不是“模型能不能说一句很像真人的话”。
