OpenAI 推出 GPT-Live 实时语音模式，支持自然打断与多模态交互
GPT-Live 让语音交互从命令式变成对话式，支持实时打断和多模态反馈，或成下一代交互入口。
OpenAI 发布 GPT-Live，新语音模式放弃了传统的轮次对话设计，模型可以一边输出一边监听，实现真正的实时对话。它支持打断、自然停顿，并在需要时调用 GPT-5.5 等重型模型处理复杂任务，同时能在对话中弹出可视化卡片。新评测体系聚焦愉悦感和对话丝滑度。
正文摘录
【输入】 - title: 同声传译一夜失业！GPT-Live 瞬间翻译，老太太现场抬杠 AI 看傻全网 - sourcecompany: 量子位 - bodymarkdown: Apple Intelligence 你慢慢上线吧，我等 OpenAI 自己出硬件了（doge）。 老太太把 GPT 当 Google 使，一会儿问天气，一会儿考历史，你来我往跟抬杠大赛似的。 厨房场景： 不用再对着空气大喊 Siri 了。GPT 可以边一步步指导你烹饪，边帮你计时，真正解放双手。 OpenAI 透露，每周有 1.5 亿人在和 ChatGPT 对话。而现在，你手机上的那个白色软件，要变成可随时煲电话粥的「真人」了。 但关于这一点，评论区有不同声音，不少网友表示，虽然更流畅了，但也老是装作「松弛」地打断用户。 可能还是需要视觉信息吧，毕竟即便是人在开腾讯会议时，也会经常出现互相打断的情况，微表情还是很重要的上下文。 对了，「声优」们也升级了，OpenAI 这次特意为 GPT-Live 重新打磨了 ChatGPT 里的 9 种默认音色。 以前的语音模式，往往调用的是相对较弱的模型，但这次，ChatGPT Voice 接入了 GPT-5.5。 在语音对话中，ChatGPT 可以实时弹出天气、股票、体育赛事等主题的可视化卡片，不用你再切回屏幕去干看文字。 这意味着，语音不再是一个独立的「阉割模式」，而是正式成为了 ChatGPT 全套能力的统一交互入口。 你说一句，它顿一下再回你；你再说，它再回。永远有一种回合感。还特别喜欢反问，动不动就「还有什么我可以帮你的吗？」 三个模型串联，每一步都有延迟， 每一步都在丢信息 。你说话时的语气、停顿、情绪，在第一关语音转文字时就被抹平了。