OpenAI 今日正式发布基于 GPT‑Live 的全新 ChatGPT 语音体验，这是其语音技术路线的一次重要架构升级。 相比此前在 2024 年面向更多用户推出的 Advanced Voice Mode，新版语音模式不再依赖传统的语音系统，而是转向专为智能语音代理打造的实时音频模型。

Advanced Voice Mode 当年凭借更自然的对话、响应速度提升以及对打断的支持，一度被视为语音助手体验的进步，但 OpenAI 随后推出的新一代实时语音模型迅速让这套旧技术显露出局限。

早在今年 5 月，OpenAI 就公布了其迄今最先进的实时语音模型 GPT‑Realtime‑2，将 GPT‑5 级别的推理能力引入实时音频交互场景。 相比过去只强调“说得快、答得上”的语音系统，GPT‑Realtime‑2 能更好地处理复杂请求，更稳定地追踪长对话上下文，并在保持自然语速和语气的同时完成多步骤任务。 在此基础上，OpenAI 现在又发布了基于 GPT‑Live 架构的新一代 ChatGPT 语音体验，进一步拉高了语音助手的交互上限。

此次升级的核心在于 GPT‑Live 这一全双工语音模型架构，它允许 ChatGPT“同时说话、倾听和思考”，而不再像传统语音助手那样必须你说完我再回应。 在实际交互中，GPT‑Live 能在用户停顿或放慢语速时，自然地插入“okay”“嗯哼”等轻微语气反馈，而不是粗暴打断完整语句。 当用户需要思考片刻时，模型也可以有意识地选择保持安静，避免产生打扰感。