語音即AI入口！OpenAI推GPT-Live 打造真人般實時對話體驗
OpenAI 周三 (9 日) 正式發表全新即時語音模型 GPT-Live，並同步全面升級 ChatGPT Voice，藉由原生全雙工 (Full-duplex) 即時語音架構，大幅提升 AI 與使用者的自然對話能力。
新模型除了支援即時翻譯、語音聽寫、調整語速、打斷對話及理解停頓外，還可在背景自動調用 GPT-5.5、Web Search 等模型與工具，執行複雜推理及聯網搜尋，象徵語音正式成為 ChatGPT 所有 AI 能力的統一互動入口。
OpenAI 表示，GPT-Live 包含 GPT-Live-1 及 GPT-Live-1 mini 兩款模型，目前已開始向全球 ChatGPT 用戶分階段推送，支援 Web、iOS 及 Android 平台，未來數周將開放 API，讓開發者及企業客戶能將即時語音能力整合至各種產品與應用，相關用戶現已可預先登記取得通知。
官方指出，目前每周已有超過 1.5 億人透過 ChatGPT Voice 及 Dictation 等語音功能與 ChatGPT 互動，顯示語音正快速成為 AI 的重要使用方式。市場分析認為，OpenAI 希望未來使用者逐漸減少依賴鍵盤輸入，改以直接與 AI 對話，將語音打造為生成式 AI 時代最重要的人機互動介面。
此次推出的 GPT-Live 並非單一模型，而是區分為兩個版本。其中 GPT-Live-1 預設提供 Go、Plus 及 Pro 付費訂閱用戶使用；GPT-Live-1 mini 則開放免費用戶作為預設語音模型。新版已開始陸續推送至全球 Web 版、iOS 及 Android 平台，但先前曾回退新版語音能力的桌面版 ChatGPT，目前仍未重新支援新版語音體驗。
OpenAI 表示，相較於現行 Advanced Voice Mode，GPT-Live 最大的提升並非只有反應速度，而是整體語音交流品質。公司為此建立全新的人工評測體系，針對對話舒適度 (pleasantness) 及整體交流流暢性 (flow of conversation) 進行評估，並安排 5 至 10 分鐘一對一盲測。
測試結果顯示，無論 GPT-Live-1 或 GPT-Live-1 mini，在整體交流體驗 (Overall Preference)、輪流說話自然程度(Turn-taking)、遭使用者打斷後的恢復能力(Interruptions)、對話流暢性(Conversational Flow)，以及整體是否更接近真人交流(Naturalness) 等多項指標，均明顯優於 Advanced Voice Mode，這也是 OpenAI 決定全面取代舊版語音模型的重要原因。
技術方面，GPT-Live 最大的升級在於採用原生全雙工語音架構，突破過去 AI 語音助理普遍採用「你說一句、我答一句」的 Turn-based 模式。新模型可一邊聆聽、一邊理解使用者內容，同時即時準備回應，不必等待完整句子結束才開始辨識，因此能判斷使用者只是短暫停頓思考，或是真正結束發言；若使用者中途插話，模型也能立即停止回答重新傾聽，再自然接續對話，使互動更貼近真人交流。
除對話體驗提升外，GPT-Live 還新增多項功能，包括即時雙向翻譯 (Live Translation)、更精準的語音聽寫 (Dictation)、更自然的停頓、語調及情緒回饋，並可依照使用者要求即時調整說話速度。例如，當使用者要求「可以說慢一點嗎」，模型會直接重新調整語音節奏，而非僅降低音訊播放速度。
OpenAI 強調，GPT-Live 並非只是新的語音模型，而是整個 ChatGPT 能力體系的統一入口。當使用者提出需要複雜推理的問題時，系統可自動切換至 GPT-5.5 處理；若需要查詢最新資訊，則可直接調用 Web Search；涉及天氣、股票、體育等即時資訊時，也能自動呼叫相應能力，再將結果自然地以語音方式回覆，使用者無須手動切換不同模型。
隨著語音互動越來越接近真人交流，OpenAI 此次也同步升級安全防護機制。官方表示，當系統偵測到可能涉及不安全內容時，將依風險程度採取不同措施，包括引導模型產生更安全的回覆、主動顯示安全提醒，若判定屬高風險情況，甚至可直接結束語音對話。
針對未成年用戶，OpenAI 也將既有家長監護功能延伸至 ChatGPT Voice。家長可直接關閉青少年帳號的語音功能；若已開放使用，而系統偵測到青少年試圖將對話導向自殘等高風險內容，系統也會主動通知家長，以提升未成年使用安全。
OpenAI 表示，GPT-Live 目前已向全球 ChatGPT 用戶陸續開放，並針對 ChatGPT 最常使用的多種語言完成最佳化。不過，官方坦言部分語言仍可能存在非母語口音或流暢度不足等問題，團隊將持續改善多語言表現。
此外，新版 GPT-Live 首波推出仍有部分限制，目前尚未支援視訊及螢幕共享語音模式，相關功能仍在開發中。現階段若使用者需要在視訊或共享畫面情境下進行語音互動，仍須使用既有的 ChatGPT Voice(Legacy Voice) 模式。OpenAI 表示，待 API 正式開放後，GPT-Live 將成為提供開發者即時 AI 語音能力的核心模型，進一步推動語音成為 AI 時代的主要互動入口。
更多鉅亨報導