OpenAI 重構 ChatGPT 語音技術棧，實現全雙工 GPT-Live 對話

OpenAI 推出新一代語音模型 GPT-Live-1，允許系統同時收聽與說話，徹底突破傳統的輪流對話限制，全面革新了 ChatGPT 的對話介面。官方宣佈由 2026 年 7 月 8 日起在全球逐步推出 GPT-Live-1，以取代原有的高級語音模式（Advanced Voice Mode）。這一重大的架構轉變使 ChatGPT 能夠保持連續的音訊流，在不中斷人類對話自然節奏的情況下，融入更深層次的推理與工具調用。

其核心創新在於歷時六個月研發、完全重構的語音技術棧（voice stack），使 AI 能夠在處理輸入音訊的同時生成輸出語音，即所謂的「全雙工」（full-duplex）通訊能力。這一升級旨在讓用戶與 ChatGPT 語音的互動感覺更即時、流暢且更具人性。

一、 透過全雙工架構消除輪流對話限制

前一代的 ChatGPT 語音功能採用輪流（turn-based）對話系統，依賴「話輪檢測器」（turn detectors）來判斷用戶何時說完話，然後 AI 才會生成回應。這造成了固有的權衡問題：檢測過早容易打斷用戶，而檢測過遲則會帶來尷尬的停頓，令對話顯得不自然。

GPT-Live-1 徹底從音訊路徑中移除了話輪檢測器，轉而採用全雙工語音模型，持續處理輸入的語音並同時生成輸出的音訊。這使模型能夠每秒多次做出實時決策，判斷此時該說話、聆聽、暫停還是進行插話，從而模擬人類的對話動態。根據 OpenAI 的說法，此架構目前已能處理如「嗯哼」或「明白」等自然的對話暗示，以示正在認真聆聽。

二、 語音技術棧與任務委派的技術突破

GPT-Live 的根本性轉變涉及對 OpenAI 語音技術棧的全面重構，從用戶端裝置一直延伸至底層模型。工程師 Justin Uberti 與 Zahan Malkani 帶領了這項為期六個月的研發工作，並於 2026 年 8 月 3 日詳細介紹了技術架構。該系統的一個關鍵組件是採用 WebRTC（一種低延遲影音標準）作為其傳輸基礎。

新架構建立了一條專門用於實時語音的「快速路徑」（fast path），以確保音訊流不被中斷。關鍵在於，當對話需要更密集的處理時（例如更深層次的推理、複雜的工具調用或網頁搜尋），GPT-Live 可以將這些任務非同步委派（delegate）給在後台運行的強大前沿模型（例如 GPT-5.5）。這種並行處理確保了 AI 能夠在不中斷當前語音交流的情況下執行複雜操作，並將搜尋或推理結果無縫融合回對話之中。

這次技術重構還顯著提升了系統響應的效能。OpenAI 將語音連線的啟動時間從六次網絡往返（round trips）減少至僅需一次，進一步增強了互動的即時性。

三、 提升用戶體驗與更廣泛的功能支援

轉向全雙工、連續對話模型的做法，從根本上改變了用戶體驗。用戶不再需要遵循「說話、等待、接收答案」的模式，現在可以進行更流暢的交流，包括隨時打斷 AI、停下來思考，或在 AI 說話時同時發言，而不會中斷整個互動。這使得與 ChatGPT 的語音互動感覺自然得多，不再像使用對講機通話。

GPT-Live-1 在基準測試表現上展現出顯著進步。在研究生水平的科學推理基準測試 GPQA 中， GPT-Live-1 達到了 84.2% 的準確率，幾乎是其前身高級語音模式（45.3%）的兩倍。此外，在 BrowseComp 測試的智能體（agent-based）網頁搜尋能力中，GPT-Live-1 獲得了 75.2% 的評分，而高級語音模式僅為 0.7%，反映出它在對話過程中進行實時資料搜集的能力。

除了流暢的對話外，新架構還支援不斷擴展的多項功能。它能在連續互動的閉環中實現即時翻譯，允許用戶使用一種語言說話，並由 ChatGPT 以極低的延遲進行翻譯。該架構還支持智能體之間的協調，包括在 ChatGPT 桌面應用程式中透過語音控制電腦和協調多個智能體。

四、 推出時間與 API 存取權限

GPT-Live-1 目前已成為 ChatGPT Go、Plus 和 Pro 訂閱用戶的預設語音體驗，而輕量版本 GPT-Live-1 mini 則開放給免費級別用戶使用。這種分級提供方式表明，OpenAI 將更低的延遲和更快的響應速度視為其付費服務的核心競爭優勢。

針對開發者和企業客戶，OpenAI 已宣佈 GPT-Live 的 API 存取權限「即將推出」。有意合作者可透過 OpenAI 的官方表格進行登記，以便在開放存取時獲得通知。該公司此前已於 2026 年 7 月 6 日在 API 中推出了 GPT-Realtime-2.1 語音模型，顯示出其實時互動功能研發進展迅速。OpenAI 指出，每星期有超過 1.5 億人使用 ChatGPT 的語音和聽寫功能，這彰顯了此次架構升級的規模與影響力。

常見問題

什麼是 GPT-Live？

GPT-Live 是 OpenAI 推出的全新全雙工語音模型系列，允許 ChatGPT 同時進行收聽與說話，從而實現更自然、連貫且無中斷的對話。

GPT-Live 與以往的 ChatGPT 語音模式有何不同？

與以往需要等待用戶說完話的輪流對話系統不同，GPT-Live 採用全雙工架構，在生成輸出語音的同時處理輸入音訊，使互動更加流暢，更像人與人之間的對話。

是哪些技術變革實現了這種連續對話？

OpenAI 徹底重構了從用戶端到模型的整個語音技術棧，移除了「話輪檢測器」，並實作了能持續串流音訊的系統。同時，它還能將深層推理和工具調用委派給 GPT-5.5 等後台模型，以確保對話流程不被打斷。

誰可以使用 GPT-Live？

ChatGPT Go、Plus 和 Pro 訂閱用戶可使用 GPT-Live-1，而免費級別用戶則可使用 GPT-Live-1 mini。針對開發者和企業的 API 存取權限預計將於未來推出。

GPT-Live 有哪些實際好處？

除了更自然的互動外，GPT-Live 還支援即時翻譯、更好地處理插話與停頓，並且能夠讓 AI 在後台執行網頁搜尋或工具調用等複雜任務，而不會破壞對話的流暢度。

參考來源

* OpenAI Launches GPT-Live-1, a Full-Duplex Voice Model That Listens and Speaks Simultaneously - MLQ.ai * How we built a realtime system for responsive voice AI in six months | OpenAI * ChatGPT Live and the New Architecture of Voice AI - RisingStack blog * OpenAI rebuilt ChatGPT's voice stack so GPT-Live can listen while speaking - RuntimeWire * OpenAI Launches GPT-Live as AI Voice Takes a Major Leap | Next in AI | Astha La Vista * OpenAI Launches GPT-Live Full-Duplex Voice Models - SQ Magazine * OpenAI Posts About GPT-Live Voice Architecture - Digg * GPT-Live and ChatGPT Voice: Full-Duplex Guide - Flowith Blog * ChatGPT's New Voice Models Can 'Listen' and 'Talk' at the Same Time - CNET * OpenAI Rebuilds Voice Stack To Enable Continuous Conversation In ChatGPT - Yellow.com * OpenAI Finally Fixed the Worst Thing About AI Voice Chats: Here's How - Android Headlines * Real-Time Voice AI Just Got a Major Upgrade: OpenAI's Simultaneous Speech Models Are Here | NameOcean * OpenAI Posts About GPT-Live Voice Architecture - Digg * Introducing GPT-Live, a new generation of voice models for natural human-AI interaction. Rolling out in ChatGPT starting today. GPT-Live makes talking with AI feel like having a real conver | OpenAI - Facebook * [X Post] https://x.com/OpenAI/status/2084378415818579975