OpenAI 这周二给 ChatGPT 换了一套全新的语音内核。新模型叫 GPT-Live-1 和 GPT-Live-1 mini，听着像普通版本号更新，其实改的是最底层的交互逻辑——它第一次让 AI 在跟你说话的时候，也能同时听你说话。
以前是“你一句我一句”，现在能直接打断
老版本的高级语音模式本质上是三段流水线：先把你的话转成文字，再丢给大模型想答案，最后用语音合成念出来。这种方式有个老毛病，你话还没说完它就可能抢答，中间停顿一下它又以为你说完了。GPT-Live-1 把这三段压成了一个“语音到语音”的统一模型，声音本身就是输入输出，不用再绕一圈文字。最直观的变化是，你可以在它说话时直接插一句“等一下我说的不是这个”，它能接住你的打断，顺着上下文继续。
它把“聪明”和“说话”分开了
OpenAI 在简报里说，新模型遇到要查资料、要推理、要调工具的活儿，会把任务甩给后台的 GPT-5.5，自己只管把对话顺畅地接下去。换句话说，语音层负责“像人一样聊”，脑子层负责“想明白”。产品负责人 Atty Eleti 说他自己遛弯时跟语音助手聊过三四十分钟，模型还能安静地听很久、把上下文攒着等被叫到。
“我们觉得，语音慢慢会变成人们操作电脑的一种主要入口，甚至是处理那些又长又复杂的智能体任务的方式。”——ChatGPT Voice 负责人 Atty Eleti
不是来当陪聊的
虽然话术上强调“更自然”，但 OpenAI 反复划清界限：这不是要做一个 AI 伴侣。模型里内置了针对青少年的适龄回应，以及遇到自残这类话题时给资源引导的护栏。它也顺手支持实时翻译、用视觉卡片甩出天气和股票——代价是，目前优化的是“大多数口语”，具体哪些语言并没列清楚。
对手们也没闲着
苹果和亚马逊都在把自家助手往“更会聊”的方向改，Oculus 联合创始人搞的 Sesame 也上线了能边干活边聊天的助手。有意思的是，OpenAI 自己放风说今年可能出一副带 AI 的无线耳机——把语音做成主入口，硬件才是真正的落点。
- 全双工架构：说话和聆听同步进行，支持中途打断与插话
- 免费用户默认用 GPT-Live-1 mini，付费档可切到更大的 GPT-Live-1
- 复杂任务转交后台 GPT-5.5，语音层只负责把对话接顺
当然，演示里也露了怯。现场秀印地语实时翻译时，助手带着一股浓重的美式口音，腔调还有点书呆子气。这说明“全双工”的架子搭起来了，但离哪种语言都顺溜还有距离。
把语音层和大模型拆开这个思路挺对。让语音只管’接话’，复杂推理甩给 GPT-5.5，这样聊天不会卡、脑子也不笨。就是不知道免费档的 mini 版会不会明显变傻。
等了好久终于能打断它了。之前高级语音模式最烦的就是我话没说完它就开始接着说，现在能直接插话确实自然多了。不过演示里印地语那口音也太出戏了，看来全双工只是第一步。