OpenAI 這次直接把 ChatGPT 的語音功能重新做了一次，推出新一代語音模型「GPT-Live」，這次不只是聲音變好聽而已，而是把整個對話的「互動邏輯」翻新了一輪。實際上用過舊版進階語音模式的人應該都有經驗，AI 講到一半你想插話，它常常會愣一下才反應，或是乾脆講完自己那段才輪到你。GPT-Live 想解決的，正是這種你講完我才能講「輪流講話」的不自然感。
ChatGPT 語音功能是怎麼演進到 GPT-Live 的？
ChatGPT 語音功能大致可以分成三個階段，從最早的串接式語音系統，經過進階語音模式，一路演進到這次的 GPT-Live。最早期的做法是「串接式語音系統」，流程是使用者講話、系統把語音轉成文字、大語言模型產生回答、再把文字轉回語音唸出來，整個過程一步一步接力，反應速度慢、也聽不出語氣。後來的「進階語音模式」把流程整合得更緊密，聲音變自然許多，但本質上還是「你講完、它才回答」的輪流對話，插話容易被忽略，也沒辦法邊講話邊處理複雜問題。這次的 GPT-Live 則是直接把架構打掉重練，改成全雙工設計，讓 AI 可以同時聽、同時說，這也是為什麼 OpenAI 把它稱為新一代語音模型，而不是單純的模型升級。
GPT-Live 有哪些新功能？
GPT-Live 最大的特色是全雙工對話，讓使用者可以隨時插話、AI 也會安靜等待你把話講完。對於使用者來說，這代表你講到一半改變主意、臨時想補充一句，AI 都能即時反應，不用等它講完整段才輪到你開口。舉例來說，你請 ChatGPT 幫忙規劃一趟旅行，它回答到一半，你可以直接插話說「等一下，改成適合帶小孩的版本」，GPT-Live 會很自然地接住這個變化，不用重講一次需求。另外 GPT-Live 也會用「嗯嗯」、「了解」這類語助詞回應，表示自己有在聽，這個小細節讓對話節奏更接近真人講電話的感覺。如果你講話中途卡住在想措辭，它也不會急著搶話，而是安靜等你想清楚。
除了對話節奏之外，GPT-Live 也新增了即時口譯的能力，可以在對話中即時翻譯不同語言。ChatGPT 語音介面同步升級，新增天氣、股票、體育賽事等視覺化卡片回應，讓語音對話不再只有純聲音，還能搭配畫面呈現關鍵資訊。整體來說，這次更新對抗噪音干擾的能力也有加強，在比較吵雜的環境下對話也不容易斷斷續續。
🔔 不錯過任何精彩內容
立即訂閱我們的 LINE 或將本站設為 Google 偏好來源，掌握最新資訊！
GPT-Live 背後的技術是什麼？
GPT-Live 遇到需要搜尋或深度推理的問題時，會把工作委派給背景運作的 GPT-5.5，自己則繼續維持對話不中斷。這個設計讓 GPT-Live 可以同時兼顧「反應快」和「答案準」兩件事，不用犧牲對話的流暢度，也能處理需要查資料或複雜推理的問題。對使用者來說，體驗上就是你問了一個比較難的問題，AI 不會突然沉默很久，而是一邊維持對話一邊在背後把答案準備好，等結果出來再帶回對話中。值得一提的是，GPT-Live-1 還可以選擇 Instant、Medium、High 三種推理強度：Instant 版本和 mini 版本使用反應較快的 GPT-5.5 Instant 當背景模型，Medium 與 High 則改用推理能力更強的 GPT-5.5 Thinking，等於是把「回應速度」和「答案深度」拆成不同檔位讓使用者自己選。
根據 OpenAI 公布的評測結果，GPT-Live 在多項指標上都明顯優於舊版進階語音模式。在 5 到 10 分鐘的實際對話測試中，GPT-Live-1 的整體偏好度達到 75.7%，對話流暢度評分（滿分 7 分）拿到 4.96 分，相較之下進階語音模式只有 3.80 分。在考驗科學推理能力的 GPQA 測試中，GPT-Live-1 高推理強度版本的準確率來到 84.2%，幾乎是進階語音模式 45.3% 的兩倍。差距最誇張的是考驗智慧體網頁搜尋能力的 BrowseComp，進階語音模式只有 0.7% 的正確率，GPT-Live-1 卻能拿到 75.2%，等於從「幾乎不能用」直接跳到「可以真的幫上忙」。在模擬真實電信客服情境的 τ³-Voice Telecom 測試中，GPT-Live 同樣全面領先舊版模式。不過也要提醒一下，這些進步有很大一部分來自背後 GPT-5.5 的推理能力，並不完全等於語音互動這一層本身有革命性突破。安全性方面，這次也針對自我傷害、情感依賴、精神狀態異常等風險情境做了專門強化，並且整合了青少年家長控制功能與求助專線資源，對於敏感對話情境會有更謹慎的處理方式。
誰可以使用 GPT-Live？
付費用戶預設使用完整版的 GPT-Live-1，免費用戶則預設使用輕量版的 GPT-Live-1 mini。具體來說，ChatGPT Go、Plus、Pro 這幾個付費方案的使用者，語音功能會直接切換成 GPT-Live-1；沒有付費的一般使用者，則會用到功能較精簡的 mini 版本。目前這個新語音模型還不支援搭配視訊或螢幕分享功能一起使用，如果你習慣邊講話邊分享螢幕給 AI 看，這部分還要再等後續更新。API 開放給開發者串接的時程，OpenAI 表示會稍後跟進，目前還沒有正式開放。
GPT-Live 適合哪些使用情境？
GPT-Live 特別適合需要自然對話節奏的情境，例如語言學習口說練習、即時口譯，或是需要邊聊邊查資料的場合。對於常用 ChatGPT 語音功能練習外語口說的人來說，AI 能隨時插話糾正、也能安靜等你把句子講完，這種互動方式會比過去的輪流問答自然許多。出國旅行或跟外國朋友對話時，即時口譯功能也能派上用場，例如點餐或問路時直接用語音對話，不用中斷交談去打字。通勤或做家事這類雙手不方便打字的情境，也很適合直接用語音問一個比較難的問題，像是「幫我查一下這個地址最快的路線」，GPT-Live 會一邊繼續陪你聊天，一邊在背後把答案準備好。另外，像是問天氣、查股價、看比賽即時比分這類需要具體資訊的問題，視覺化卡片的加入也讓語音對話多了畫面輔助，不用再靠純聽覺記住一長串數字。
ChatGPT 語音功能三代演進比較
| 世代 | 運作方式 | 限制 |
|---|
| 串接式語音系統 | 語音轉文字→模型回答→文字轉語音，一步步接力處理 | 反應慢，語氣生硬 |
| 進階語音模式 | 聲音更自然，但仍是輪流對話 | 插話容易被忽略，難處理複雜問題 |
| GPT-Live | 全雙工架構，可同時聽同時說，複雜問題交給 GPT-5.5 | 尚不支援視訊與螢幕分享 |
GPT-Live-1 與 GPT-Live-1 mini 方案對照
| 版本 | 適用方案 | 背景模型 |
|---|
| GPT-Live-1（Instant） | ChatGPT Go、Plus、Pro（付費） | GPT-5.5 Instant，反應優先 |
| GPT-Live-1（Medium／High） | ChatGPT Go、Plus、Pro（付費） | GPT-5.5 Thinking，推理優先 |
| GPT-Live-1 mini | 免費用戶 | GPT-5.5 Instant，功能較精簡 |
GPT-Live 常見問題有哪些？
GPT-Live 是什麼？它是 OpenAI 推出的新一代語音模型，取代 ChatGPT 原本的進階語音模式，支援全雙工對話。
GPT-Live 和舊版語音模式差在哪裡？最大差異在於全雙工架構，使用者可以隨時插話，AI 也會安靜等待，不用再輪流講話，評測數據也顯示對話流暢度與偏好度都明顯提升。
免費用戶可以用 GPT-Live 嗎？可以，免費用戶會預設使用功能較精簡的 GPT-Live-1 mini，付費用戶則使用完整版 GPT-Live-1，並可選擇 Instant、Medium、High 不同推理強度。
GPT-Live 支援視訊或螢幕分享嗎？目前還不支援，這部分官方表示會在後續更新中跟進。
GPT-Live 可以用來練習外語口說嗎？可以，它的自然對話節奏和即時口譯功能，很適合用來做語言學習與口說練習。
開發者可以透過 API 使用 GPT-Live 嗎？目前 API 尚未開放，OpenAI 表示會稍後跟進釋出時程。
整體來看，GPT-Live 讓 ChatGPT 語音從「一問一答」變成真正的雙向對話，插話、等待、查資料這幾件事終於可以同時發生而不互相打斷。至於要不要因此升級付費方案，免費用戶不妨先用 mini 版本感受一下這次的對話節奏改變，再決定是否需要完整版的反應速度與推理強度。