OpenAI 推出 GPT-Live 語音模型，全面開放所有 ChatGPT 用戶使用

OpenAI 全新 GPT-Live 語音模型可同時進行聽與說，取代輪流發言模式，實現模擬人類對話的連續互動。

OpenAI 向所有 ChatGPT 用戶推出 GPT-Live-1 及規模較小的 GPT-Live-1 mini 版本，以雙工系統取代原本輪流發言的語音架構，讓 AI 能夠同時處理輸入並生成輸出。該模型正在 Android、iOS 及網頁版上逐步推送，免費用戶預設使用 mini 版本，而 Go、Plus 及 Pro 訂閱用戶則可使用完整的 GPT-Live-1。

ChatGPT 語音產品負責人 Atty Eleti 表示：「這正是人類彼此互動的方式——我們在背景思考的同時，對話仍在繼續。」

這套全新架構標誌著 OpenAI 明顯偏離其於 2024 年中推出的進階語音模式。後者要求 AI 等待用戶說完才能回應，這種輪流發言的系統經常將停頓誤解為提示結束，導致尷尬的插話。GPT-Live-1 透過連續處理語音消除了這一限制，可實現即時跨語言翻譯，並在用戶仍在說話時提供如「嗯哼」和「知道了」等即時口頭回應。

該模型可將複雜推理任務委派給 OpenAI 的前沿模型（包括 GPT-5.5）在背景中處理，同時保持對話流暢。GPT-Live 模型研究負責人 Kundan Kumar 表示：「當 GPT-Live 需對某個問題深入思考時，它可以將推理與複雜任務委派給 GPT-5.5 進行平行處理，而 GPT-Live 本身仍可繼續與用戶對話。」Kumar 指出，當委派任務完成後，系統會「無縫地」將答案整合進回應中。

GPT-Live 如何改變語音 AI 競爭格局

此次升級加劇了 AI 語音助理市場的競爭，Google 的 Gemini Live 與 Amazon 的 Alexa 也持續投資於更自然的對話能力。OpenAI 的策略不同之處在於，將雙工架構直接內建於模型中，而非疊加在文字系統之上。該公司還加入了「嗯」、「呃」及「像是」等填充詞，使回應聽起來更人性化，而用戶也可打斷 AI 或在 AI 說話過快時要求其放慢速度。

ChatGPT 語音現可針對天氣預報、體育比分及股票價格等主題生成視覺化小工具，擴展了純音頻輸出的範疇。該功能也支援圖片與檔案上傳，並整合網路搜尋功能。

安全與營收影響

OpenAI 表示已在全新語音模型中建立了更完善的防護機制，系統可偵測潛在不安全的輸出，並引導至更安全的回應、顯示額外安全訊息，或在高風險情況下終止對話。該公司自動將用戶語音模式資料排除於 AI 訓練之外，並將音訊片段保留 30 天以維持對話上下文。家長監護功能允許監護人為青少年關閉 ChatGPT 語音，系統也可在偵測到對話涉及自殘傾向時通知家長。

此次語音升級正值 OpenAI 持續擴展其消費者產品之際。預測市場顯示，該公司下一代前沿模型在 Chatbot Arena 排行榜上取得至少 1,470 分的機率為 77%，反映市場在 GPT-Live 發布後對 OpenAI 發展軌跡的信心增強。OpenAI 能否將語音互動轉化為付費訂閱——ChatGPT Plus 月費 20 美元，Pro 月費 200 美元——將決定更好的用戶體驗能否轉化為營收增長。

微軟作為 OpenAI 最大投資者及獨家雲端供應商，將因 ChatGPT 使用量增加帶動 Azure 運算消耗而受益。Google 在其 Android 生態系統中提供 Gemini Live，正面臨著必須跟上雙工互動品質的壓力。Amazon 的 Alexa 儘管擁有龐大安裝基數，但在對話式 AI 能力上一直落後。

本文僅供資訊參考，不構成投資建議。