亿万28官网
亿万28官网
游戏攻略

OpenAI 最智能语音模型:GPT-Live-1/mini 登场,边听边说让 AI 对话更接近真人聊天 - 亿万28娱乐

OpenAI 于 7 月 9 日推出了 GPT-Live 系列模型,该系列被定位为新一代全双工语音模型,能够同时进行聆听和说话,从而使 AI 对话体验更加贴近真人交流。

目前,GPT-Live 系列提供了 GPT-Live-1 和 GPT-Live-1 mini 两个版本,并已向全球 ChatGPT 用户开放。其中,GPT-Live-1 模型面向 Go、Plus 和 Pro 订阅用户提供,而免费用户则可以使用 GPT-Live-1 mini 模型。

在架构设计上,GPT-Live 系列模型采用了全双工架构,摆脱了以往单轮对话结束后再进行响应的模式。它能够实时处理输入和输出,每秒多次判断是否需要说话、继续倾听、暂停、打断或调用工具,以此来营造更真实的对话氛围。

面对复杂的任务,GPT-Live 系列模型能够分解处理连续的交互和深度推理。它在前台维持语音对话的流畅进行,同时将网页搜索、复杂推理或其他更高级的任务委托给 GPT-5.5 系列模型在后台执行。具体来说:

  • GPT-Live-1(instant)和 GPT-Live-1 mini 调用的是 GPT-5.5 Instant。
  • GPT-Live-1 Medium 采用 GPT-5.5 Thinking Medium 的推理强度。
  • GPT-Live-1 High 则使用 GPT-5.5 Thinking High 的推理强度。

OpenAI 表示,为了评估模型性能,公司特别建立了一套新的人工评测体系,重点关注语音交流中的舒适度和整体对话的流畅性。在时长为 5-10 分钟的配对对话测试中,GPT-Live-1 和 GPT-Live-1 mini 模型在整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标上,均获得了比先前 Advanced Voice Mode 更高的得分。

在用户规模方面,OpenAI 透露,每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动,这些应用场景涵盖了免提日常协助、语言学习、睡前故事以及通勤途中的闲聊。新版本还支持在语音对话中呈现天气、股票、体育等可视化信息卡片,并延续了对搜索、记忆、图片和文件上传功能的支持。

在安全性方面,OpenAI 强调 GPT-Live 模型在自伤、精神病性症状与躁狂、对 AI 的情感依赖、暴力及性内容等领域,经过了原生音频评测、合成音频评测以及内部红队测试。官方表示,该模型在绝大多数评估维度上的表现与 Advanced Voice Mode 持平或更佳。