ChatGPT 语音大升级:AI 终于会「边听边说」了

你用过 ChatGPT 的语音吗。

就那种，你说一句，它顿个一两秒，然后一本正经给你回一整段。你想插一句，它非得等你彻底说完。你中途停下来想想，它又常以为你讲完了，抢着接话。

像用对讲机。一个人说完喊声「完毕」，另一个人才能开口。

今天 OpenAI 把这套换掉了。新的语音模型叫 GPT Live，它想干的事只有一个：让你跟 AI 说话，像真的在跟一个人聊天。

▲ OpenAI 官方主视觉：全新 ChatGPT Voice，背后是 GPT‑Live‑1

最大的变化，是一个听着有点唬人的词：全双工。

落到体验上，就是这些小事：它会像真人一样应你「嗯」「对」，让你知道它在听；你停下来想，它就等着，不抢话；你想打断，随时能打断；旁边有车流、有人说话，它也更能咬住你的声音不跑偏。官方还把 ChatGPT 里的 9 个音色重新调了一遍。

上线也很干脆：今天起全球 ChatGPT 都能用，iOS、安卓、网页都有。付费用户（Go / Plus / Pro）默认给到更强的 GPT‑Live‑1，免费用户默认是 mini 版。官方说，每周有超过 1.5 亿人在用 ChatGPT 的语音和听写。

这才是我觉得这次最漂亮的一手。

GPT Live 自己只专心干一件事：把「聊」聊顺。一旦你的问题需要搜网、需要认真推理、需要干点复杂的活，它就转身把这活丢给后台一个更强的模型（首发用的是 GPT‑5.5）。后台闷头算的时候，它还能继续跟你唠、不冷场；算完了，再把结果端回到你们的对话里。

▲ OpenAI 官方 demo · 手机上点播放键听

说人话，就是把「陪你聊」和「替你干活」拆成了两个人。这么一拆还有个好处：以后后台换上更强的模型，你手里这个语音助手不用更新，自己就变聪明了。你还能挑它想多久，图快用 Instant，想让它多琢磨就用 Medium 或 High（这两档背后是 GPT‑5.5 的「深度思考」模式）。

你要真想搞懂它比老语音强在哪，看这三代的进化就够了：

光看文字没感觉。OpenAI 放了几段官方 demo，同样一句「hey ChatGPT」开场，三代的反应完全不是一回事。戴上耳机听一耳朵，差别一下就出来了：

▲ 三段均为 OpenAI 官方 demo · 手机上点播放键听

人类盲评里，5 到 10 分钟的对话，新版在「自然、爱听你说、少抢话、聊得顺」上完胜老版高级语音。更值得你留意的是两个测试：一个叫 GPQA，专考生物、化学、物理的专家级推理，GPT‑Live‑1 明显强过老版语音；还有一个 BrowseComp，考它会不会把难找的信息挖出来，也涨了。

▲ FIG.01 / 语音里现在能直接弹出视觉卡片（图为官方演示：Denver 天气与一周预报）

▲ FIG.02-03 / 左：问国际球赛给你赛程；右：问附近球吧给你一张地图（均为官方演示）

这次 OpenAI 在语音安全上下了不少功夫：能在它说话中途「刹车」纠偏、有青少年保护、也明确说不拿它去模仿真人的声音。其中有一项，官方专门盯着，叫「别对 AI 产生情感依赖」。

觉得有用，点个赞、在看、转发，关注我，带给你最前沿的AI认知和AI应用。

覃秉丰 · 记 AI 学会「边听边说」的这一天