OpenAI 推出全新語音模型 GPT-Live-1：實現更自然即時對話及全雙工互動

OpenAI 推出全新語音模型，實現更自然即時對話

OpenAI 今日發布了名為 GPT-Live-1 及 GPT-Live-1 mini 的全新對話模型，聲稱其聲音更自然，且能更好地處理輪流發言。這些是「全雙工」（full-duplex）模型，意味著它們可以同時說話和聆聽，允許用戶自然地打斷對話，並實現即時翻譯等功能。

該公司亦正將 ChatGPT 中現有的「高級語音模式」（Advanced Voice Mode）預設更換為 GPT-Live-1 mini。付費層級的用戶將能夠使用體積較大的 GPT-Live-1 模型。以往的模型是結合了語音轉文字模型進行轉錄、大型語言模型生成回覆，以及文字轉語音模型來交付最終答案。

該公司在新聞發布會上表示，新模型解決了諸如在用戶說話時打斷對方，以及缺乏足夠智能來回答問題等問題。OpenAI 的新模型將在繼續對話的同時，將查詢發送到其最新的文字模型（如 GPT-5.5），以進行搜索、推理或代理功能。

OpenAI 還展示了該模型可以長時間保持沉默，並吸收對話背景資訊，直到被召喚為止。此外，由於新的語音模式可以存取較新的 GPT 模型，它還能以視覺格式呈現部分資訊。其他初創公司如 Monogram（從 DST 和 Lux Capital 獲得了 4,000 萬美元種子輪融資）也在致力於視覺回覆，以使助手更具互動性。

該公司表示，ChatGPT 中的新語音模式旨在進行更長時間的對話。在簡報期間，ChatGPT Voice 的產品主管 Atty Eleti 表示，他在散步時曾與語音功能進行過 30 到 40 分鐘的長談。

OpenAI 認為，語音可能成為處理複雜工作的電腦主要界面。有報導指出，該公司可能會在今年推出一對具備 AI 功能的耳機。然而，該公司並未提供任何關於硬件產品的資訊。

「隨著時間推移，我們認為這也將解鎖使用語音作為電腦主要界面，以及管理日益複雜、長期運行的代理工作的能力。我們看到人們使用 Codex 和 ChatGPT 完成了各種令人驚嘆的案例，我們認為語音可以成為各種工作的未來界面，」Eleti 說。

OpenAI 在過去幾年中一直致力於加強語音功能，使 ChatGPT 的語音模式聽起來更自然。該公司表示，已有超過 1.5 億人使用語音和聽寫等功能與 ChatGPT 交談。

競爭對手也正嘗試讓助手更具表現力。

Apple 和 Amazon 都更新了其助手，使其更具對話性並具備更好的背景處理能力。由 Oculus 聯合創辦人 Brendan Iribe 和 Ankit Kumar 創立的初創公司 Sesame，也推出了能在背景完成任務的同時進行自然對話的 AI 助手。

OpenAI 正朝著同一方向邁進，旨在讓用戶能更長時間地免提與助手交談。儘管聲稱新語音模式聽起來更自然，該公司強調其目標並非將其打造為 AI 伴侶。它指出，新模型內置了安全保障措施，能向青少年提供適合年齡的回覆，並在對話涉及自殘等話題時提供資源。

新的語音模式仍需改進。在演示期間，當該公司展示其印地語即時翻譯功能時，助手的美國口音很重，說出的印地語聽起來不自然，且帶有略顯書面語的語調。該公司表示，新模式已針對「大多數常用語言」進行了優化，但未具體說明是哪些語言。