OpenAI GPT-Live-1 diluncurkan secara global, menggantikan Mode Suara Canggih dengan komunikasi suara dua arah

OpenAI於7月9日正式推出全雙工（Full-duplex）語音模型GPT-Live-1和GPT-Live-1 mini，即日起在iOS、Android及ChatGPT.com全球上線，取代舊版Advanced Voice Mode。

GPT-Live-1與GPT-Live-1 mini上線規格：付費用戶、免費用戶與API候補安排

根據OpenAI的公告，GPT-Live的兩款模型適用範圍如下：GPT-Live-1為Go、Plus、Pro付費方案用戶的預設語音模型；GPT-Live-1 mini服務免費用戶；API方面，開發者目前在候補等候名單，尚未開放。

兩款模型均即時在iOS、Android及ChatGPT.com全球上線，為ChatGPT語音技術兩年內的第三次改版，也是OpenAI最明確的一次定位聲明：語音將成為人與AI對話的主介面，而非文字聊天機器人的附加功能。

全雙工架構原理：舊版Advanced Voice Mode靜默輪次問題與GPT-Live的解法

根據OpenAI在研究部落格的說明，舊版Advanced Voice Mode的核心問題在於靠靜默判斷輪次——短暫停頓或背景雜音可能被誤認為使用者說完，導致模型在不自然的時機插話；這種「走馬燈式輪流」使對話每次只能一人開口，體驗不自然。

GPT-Live採用全雙工架構，模型在持續處理輸入的同時生成輸出，每秒能做多次互動決策，判斷何時開口、繼續聽、暫停、打斷或呼叫工具，使對話更接近真實的人際交流模式。

語音層與推理層分離設計：GPT-5.5委派、三段推理層級與新增功能

GPT-Live的關鍵設計為「語音互動層」與「推理層」的模組化分離：簡單問題由GPT-Live直接處理；複雜問題（如查網路、深度推理或多步驟任務）委派給後台運行的GPT-5.5，運算進行中仍持續對話，不出現舊管線的數秒停頓空白。

此模組化設計的好處為升級推理智慧時無需重新訓練語音模型，企業和開發者可將語音代理接入資料庫、搜尋、多步驟任務。新版同步推出的功能包括：

三段推理層級：Instant（即時）、Medium（中等）、High（複雜），用戶自選速度與深度的平衡點

即時視覺卡片：對話中自動浮現天氣、股價、體育比分、地圖等資訊卡片

九種對話聲音：重製聲音強調「為對話設計，不是聲音模仿」，並加入防止模擬人聲音的防護機制

常見問題

GPT-Live-1與GPT-Live-1 mini的使用方案差異是什麼？

根據OpenAI公告，GPT-Live-1為Go、Plus、Pro付費方案用戶的預設語音模型；GPT-Live-1 mini服務免費用戶；API對開發者開放候補等候；兩款模型均即時在iOS、Android及ChatGPT.com全球可用。

GPT-Live如何處理複雜問題，與舊版Advanced Voice Mode的差異是什麼？

根據OpenAI的設計說明，GPT-Live採用語音互動層與推理層分離的模組化架構；複雜任務委派給後台的GPT-5.5處理，語音層在運算期間持續對話，不出現舊版的數秒停頓空白。舊版Advanced Voice Mode靠靜默判斷輪次，容易誤判插話時機，GPT-Live改為全雙工架構，可同時持續處理輸入並生成輸出。

GPT-Live新版聲音設計為何強調「防止模擬人聲音」？

根據報道，此設計與2024年5月GPT-4o發表時的聲音「Sky」事件有關：外界認為該聲音神似演員Scarlett Johansson，而她本人曾拒絕Sam Altman的配音邀約，事後形容自己震驚並憤怒；OpenAI當時撤下該聲音並道歉。此次九種新聲音強調「為對話設計，不是聲音模仿」，並加入技術層面的防止模擬人聲音的防護機制。