新聞

OpenAI周三（7/8）宣布，旗下ChatGPT Voice語音對話服務導入新一代底層語音模型GPT-Live，採用可同時聆聽與說話的全雙工（Full-Duplex）架構，讓ChatGPT Voice從過去的輪流對話模式，轉向可同步聆聽與回應的即時語音互動。

過去AI語音系統大多採用輪流對話模式，使用者必須先說完一句話，模型才能判斷輸入結束並開始回應；若只是短暫停頓、換氣或思考，也可能被誤判為已經講完，導致AI在不自然的時機插話。OpenAI此次導入全雙工架構，讓模型可在產生語音回應的同時持續聆聽使用者輸入，並持續判斷是否該繼續聽、保持沉默、插話或開始回答。

ChatGPT Voice是ChatGPT提供的語音對話服務，其底層語音模型歷經多次演進。最初採用串接式架構，由語音辨識、語言模型及語音合成三個模型依序處理，但資訊可能在不同模型之間流失，回應也較慢且生硬；之後升級為Advanced Voice Mode，以單一模型直接處理語音輸入與輸出，但仍須等待使用者停止說話才能回應。此次則改由GPT-Live支援，成為ChatGPT Voice的新一代底層語音模型。

GPT-Live則把「即時語音對話」與「複雜問題處理」拆成兩層，由GPT-Live負責同步聆聽與回應；當遇到需要網路搜尋、深入推理或代理人能力的問題時，則交由背景的GPT-5.5模型處理，再將結果帶回語音對話中。

這令ChatGPT Voice能更貼近真人對話節奏。OpenAI表示，GPT-Live可在使用者說話時持續聆聽，判斷對方是否仍在思考、是否希望AI保持安靜，或是否需要即時回應；因此它能在對話中以「嗯嗯（mhmm）」、「對（yeah）」等短語表示正在聆聽，也能在使用者停頓時等待，而非立即插話。此外，GPT-Live也支援即時翻譯，並改善背景噪音下的聆聽能力。

OpenAI已於全球陸續開放GPT-Live，同時支援iOS、Android及ChatGPT.com。其中，Go、Plus及Pro用戶的ChatGPT Voice預設採用GPT-Live-1，免費版用戶則使用GPT-Live-1 mini。