时间：2026年7月8日（当地时间）
地点：美国旧金山
人物：OpenAI产品负责人Atty Eleti、OpenAI研究负责人Kundan Kumar
事件详情：OpenAI于7月8日正式发布新一代语音模型GPT-Live，该模型采用全双工（full-duplex）架构，实现了真正意义上的同时聆听和说话能力，彻底告别了传统AI语音助手"你说一句、我答一句"的回合制对话模式。在对话过程中，GPT-Live可以通过诸如"嗯嗯"或"是啊"之类的回应表明正在专注倾听，在用户需要片刻思考时保持沉默，甚至能根据要求实时调整语速、语调和情绪反馈。OpenAI同时推出两个版本：GPT-Live-1面向Go、Plus和Pro付费用户，GPT-Live-1 mini面向免费用户。在处理复杂任务时，GPT-Live可在后台无缝调用GPT-5.5进行网络搜索、深度推理等操作，同时保持前台对话的连贯性。5至10分钟的一对一盲测显示，两款新模型的交流流畅性与自然度均明显优于旧版高级语音模式。该功能已于7月8日起在全球范围内向ChatGPT用户逐步开放。目前每周有约1.5亿人使用ChatGPT语音对话功能。
背景：语音交互一直是OpenAI持续投入但长期未能完美突破的关键领域。最初，ChatGPT语音模式依赖ASR语音识别、LLM文本推理、TTS语音合成三段式管道，延迟较长，且在语音转文本过程中会丢失语调、情绪、背景噪声等大量信息，导致对话机械、割裂。2024年5月，OpenAI发布GPT-4o，以端到端统一模型替代三段式管道，但实际用户体验与演示存在落差。此次GPT-Live的发布距上次高级语音模式发布已过去两年，通过全双工架构从根本上解决了这一问题。新模型引入了更严格的语音安全机制，在高风险情况下可主动结束对话，针对未成年人账号家长可直接关闭语音或接收高风险内容提醒。
影响：
- 对用户而言，GPT-Live的全双工架构让AI语音交互从机械的"对讲机模式"进化为自然的真人对话体验，极大降低了AI的使用门槛，尤其利好老年用户、非文字输入场景和多语言用户。
- 对行业而言，GPT-Live的发布将推动整个AI语音交互赛道进入"全双工时代"，谷歌Gemini、亚马逊Alexa等竞品势必将加速跟进，预计今年下半年将有多家厂商推出类似的全双工语音产品。
- 从技术路线来看，GPT-Live采用的前端全双工模型+后台调用前沿大模型的分层架构，为AI语音产品提供了一种可复用的系统设计范式，可能成为未来AI语音助手的标准架构。
总结：GPT-Live是OpenAI在AI语音交互领域的一次里程碑式突破。全双工架构使其能够同时听和说，用"嗯嗯"、"是啊"等自然回应维持对话节奏，让用户几乎感受不到是在与AI对话。这一技术不仅大幅提升了ChatGPT语音的用户体验，更为AI从屏幕交互走向语音优先的下一代人机交互模式铺平了道路。随着GPT-Live全面上线，语音或将成为AI应用的新一代核心交互入口。
参考来源：
- https://openai.com/index/introducing-gpt-live
- https://baijiahao.baidu.com/s?id=1870196122296732507
- https://baijiahao.baidu.com/s?id=1870203453449698801
- https://baijiahao.baidu.com/s?id=1870199643268965318
- https://www.stcn.com/article/detail/4007500.html
- https://baijiahao.baidu.com/s?id=1870202068860260938