OpenAI 上線 GPT-Live：可同時聽＋說，打造真人般對話體驗

OpenAI 週三推出全雙工語音模型 GPT-Live-1 與 GPT-Live-1 mini，取代舊版 Advanced Voice Mode，複雜任務會委派給今年 4 月發表的 GPT-5.5 處理。
（前情提要：Google 翻譯升級：Gemini 3.5 讓即時語音口譯不再有尷尬停頓）
（背景補充：2 分鐘打造 AI 客服！xAI 推出無程式碼 Voice Agent Builder，語音跑分擊敗 OpenAI）

終結兩年的「走馬燈式輪流」對話，OpenAI 週三讓 ChatGPT 學會一件事：同時聽＋說。新語音模型 GPT-Live 拋棄舊版靠靜默判斷輪次的邏輯，改用全雙工（full-duplex）架構。

GPT-Live-1 與 GPT-Live-1 mini 即日起在 iOS、Android、ChatGPT.com 全球上線，GPT-Live-1 成為 Go、Plus、Pro 付費使用者的預設語音模型，GPT-Live-1 mini 服務免費使用者，API 則要等開發者候補。這是兩年內 ChatGPT 語音技術第三次改朝換代，也是 OpenAI 最明確的一次表態：語音不再是文字聊天機器人的附加功能，而是要成為人與 AI 對話的主介面。

舊語音為什麼老是搶話？

OpenAI 在研究部落格寫道，GPT-Live 持續處理輸入同時生成輸出，模型每秒能做多次互動決策，判斷該開口、繼續聽、暫停、打斷，還是呼叫工具。一名研究者在 X 上把舊版體驗形容為「走馬燈式輪流」，一次只能一人講話，講完才輪到下一個人。

這正是舊版 Advanced Voice Mode 的死穴。OpenAI 承認，因為靠靜默判斷輪次，短暫停頓或背景雜音都可能被誤認為使用者講完了，導致模型在不自然的時機硬生生插話。

誰負責說話，誰負責思考？

GPT-Live 的另一個關鍵設計，是把「語音互動層」與「推理層」拆開。簡單問題由 GPT-Live 直接回答，一旦碰上需要查網路、深度推理或多步驟任務，就把工作委派給背景執行的前沿模型，推出時是今年 4 月發表的 GPT-5.5，運算進行中仍持續跟使用者對話，不會出現舊管線那種數秒空白。

這是模組化設計，好處是升級智慧不必重新訓練語音模型本身，對想把語音代理接進資料庫、搜尋、多步驟任務的企業與開發者來說，這才是真正的門檻降低。

新版還多了兩個小功能：對話中會即時浮現天氣、股價、體育比分、地圖之類的視覺卡片，使用者也能自行在 Instant（即時）、Medium（中等）、High（複雜）三種推理層級之間切換，自己決定要語音反應快，還是答案想得更周全。換句話說，快與準不再是二選一，使用者可以自己拉那條線。

OpenAI 也趁機把聲音陣容重製了一輪，九種聲音強調「為對話設計，不是聲音模仿」，並加了防止模模擬人聲音的防護，某種程度是在回應兩年前的舊帳。2024 年 5 月 GPT-4o 發表時，聲音「Sky」被外界認為神似電影《雲端情人》裡的配音者 Scarlett Johansson，她本人證實曾拒絕 Sam Altman 的配音邀約，產品上線後形容自己震驚又憤怒，OpenAI 事後撤下該聲音並道歉。