OpenAI 正式推出新一代語音模型 GPT-Live，採用全雙工（Full-Duplex）架構，實現同步「聆聽」與「說話」的功能，不僅能像真人般在對話中適時以語氣詞回應，還能根據使用者的思考節奏靈活調整，擺脫過去一問一答的回合制限制，大幅提升互動的自然流暢度。GPT-Live 模型即日起向全球 ChatGPT 用戶陸續推送，未來也將開放 API 供開發者使用。
全雙工架構，可同步聽與說
過去的 ChatGPT 語音功能，主要依賴語音辨識、大型語言模型，以及語音合成三個系統串接完成，因此容易造成資訊流失、回應延遲，以及對話節奏不自然。後續推出的 Advanced Voice Mode 雖將語音處理整合至單一模型，降低延遲，但仍採取回合式運作，必須等使用者停止說話後才能開始回應，也容易因短暫停頓或環境噪音而誤判對話結束，造成插話情況。
GPT-Live 則改採全雙工架構，能夠持續接收語音輸入，同時生成語音輸出，每秒可多次判斷是否應持續傾聽、開始回應、暫停、打斷，或呼叫其他工具，讓整體互動更加流暢自然，也支援即時翻譯等應用。
背景交由 GPT-5.5 推理，前台持續對話不中斷
除了改善語音互動方式，GPT-Live 也將即時對話與複雜推理工作分離。當使用者提出需要網路搜尋、深入推理或執行複雜任務的問題時，GPT-Live 會將工作交由背景模型處理，目前啟用的是 GPT-5.5。等待結果期間，前台仍可持續與使用者聊天，不會因模型思考而中斷對話。
OpenAI 表示，未來推出更新一代前沿模型（Frontier Models）後，GPT-Live 將持續整合最新模型能力，讓語音系統同步獲得升級。
ChatGPT Voice 升級，支援視覺卡片與不同推理模式
新版 ChatGPT Voice 將全面採用 GPT-Live 技術。OpenAI 表示，每週已有超過 1.5 億人透過 Voice、Dictation 等功能與 ChatGPT 互動，升級後，使用者可在對話中隨時插話、要求 ChatGPT 放慢語速，或請它僅保持傾聽而不回應；系統也能更有效排除背景噪音，專注辨識使用者聲音。
此外，ChatGPT Voice 現已支援不同推理層級，包括 Instant（即時）、Medium（中等）及 High（高推理），讓使用者依需求選擇回應速度或思考深度。部分查詢內容亦可同步顯示視覺資訊卡，例如天氣、股票、運動賽事等資訊，同時保留搜尋、記憶、圖片辨識及檔案上傳等功能。
強化語音安全防護
針對語音互動可能帶來的新風險，GPT-Live 在設計之初即導入多項安全機制。測試範圍新增原生語音評估，包括自傷、自殺傾向、精神疾病、暴力、色情內容，以及使用者對 AI 的情感依賴等風險，並透過內部紅隊測試驗證語音特有的安全問題。若系統偵測到可能產生不安全內容，可即時調整模型回應、提供安全提示或相關協助資源；在高風險情況下，甚至可能直接終止語音對話。
針對青少年用戶，GPT-Live 亦內建符合年齡的互動行為，家長可透過家長監護功能決定是否開放 ChatGPT Voice，若系統偵測到疑似自傷或自殺風險，也可能通知已綁定的家長帳號。此外，OpenAI 強調，GPT-Live 採用預設語音，不支援模仿真實人物聲音，並設有相關防護措施，以降低聲音冒用風險。
全球陸續上線，免費版採用 GPT-Live-1 mini
GPT-Live 即日起開始向全球 ChatGPT 用戶陸續推出，涵蓋 iOS、Android 與 ChatGPT 網頁版。其中，Go、Plus 與 Pro 用戶預設使用 GPT-Live-1，免費用戶則預設採用 GPT-Live-1 mini。
OpenAI 表示，目前 GPT-Live 已針對多數熱門語言完成最佳化，但部分語言仍可能出現非母語口音或流暢度不足等情況，團隊將持續改善跨語言表現。現階段 GPT-Live 尚未支援視訊及螢幕分享語音功能，相關功能預計後續推出；使用者仍可切換至舊版 Standard Voice 或 Advanced Voice Mode 使用上述功能。
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！