北京
AI 终于不抢话了
今天凌晨，OpenAI 发布了 GPT-Live：新一代语音模型，并从今天起成为 ChatGPT 的默认语音模式
官方博客：openai.com/index/introducing-gpt-live
至于进步点，大概如下：
之前版本的问题
早在 2023 年，ChatGPT 就推出了语音模式，这其实是仨模型的接力：一个负责语音转文字，一个负责写回复，一个负责朗读，所以声音总是又慢又僵
2024 年的高级语音模式（Advanced Voice Mode）把三步并成一个模型，直接处理音频，快了不少。但它是轮流制，你说一轮，它说一轮，靠工程方法判定回复时间（比如检测你多久没说话）
这东西最大的体感，就是我在说话的时候，说着想一想，然后呢，他就开始回复了，就让我很头疼
真正的听说同步
GPT-Live 的第一个改动是全双工，能做到一直输入，随时输出，其背后的原理是每秒做很多次决策：开口，继续听，停下，插话，还是调工具（顺手还解决了实时翻译问题）
在闲聊模式下，这里也放个音频 demo，可与之前的进行对比
前台聊天，后台干活
这个模型（如果能被称之为模型的话）的第二个改动，是把「聊天」和「干活」解耦，如果遇到需要搜索、推理、多步执行的问题，GPT-Live 把任务委托给 GPT-5.5，自己继续跟你忽悠拖时间，等后台结果出来了在播放
这里的解耦，也是为了之后的升级，比如以后出了新模型，语音也不用重新训练，不用再等文本模型「降级适配」，以期适配更 Agent 的任务
跑分
盲测里，5 到 10 分钟的真实对话，GPT-Live-1 和 mini 在偏好度、接话、打断、流畅度、自然度上全面强于高级语音模式
GPQA（研究生级科学题）、BrowseComp（刁钻信息检索）、τ³-Voice Telecom（多轮电信客服任务）三项也都是明显领先
档位说明：Instant 档和 mini 背后是 GPT-5.5 Instant，Medium 和 High 档背后是 GPT-5.5 Thinking，推理力度对应中和高
在哪用
今天开始，这个东西已经能在 ChatGPT 里用了，iOS、Android、网页都有
付费用户默认给 GPT-Live-1，免费用户默认 mini，但暂时不支持视频通话和屏幕共享
API 目前还没有，但可以填表单登记，上线了会通知
→ API 登记表单：https://openai.com/form/gpt-live-1-in-the-api/
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
