GPT-Live

大家好！

GPT-Live 是 OpenAI 的新语音模型系列，现在为 ChatGPT Voice 提供支持。

重要的变化是全双工交互。它可以同时听和说，所以你不需要完美地轮流说话或每次都等待一个干净的停顿。

你可以暂停、打断、让它保持安静，或者让它发出小小的倾听信号而不接管对话。

对于更困难的任务，GPT-Live 可以在后台委托给一个前沿模型。发布时，这意味着 GPT-5.5。希望很快能到 5.6 :) 所以语音层保持对话进行，而搜索、推理或更复杂的工作在幕后进行。

这感觉更接近一个真正的语音助手应该的工作方式。一层处理时机、倾听和流程。另一层在需要时处理更深的工作。

拿出你的手机，今天就和 ChatGPT Voice 对话吧——也许你会感受到一点 OAI 未来硬件交互的感觉😉

自然的打断和暂停仍然是大多数语音助手难以处理的问题。如果 GPT Live 能处理好这些，它能使语音 AI 实用得多。

老实说，文档比我预想的要流畅得多，让我轻松在一小时内跑了一个快速原型。

对我来说，有意思的是倾听信号这部分，而不是打断处理。大多数“全双工”演示在安静房间里一对一看起来很棒，但真正的考验是在嘈杂的厨房或开着收音机的车里，模型必须判断哪些是真正对它说的，哪些是应该忽略的背景噪音。好奇这种区分能力在受控演示之外是否还能站得住脚，或者当它困惑时是否仍然需要唤醒词来重置上下文。

暂停和打断处理是我最好奇的部分——自然的来回对话仍然是语音用户体验中最难的部分。我也在语音方面进行开发，委托给后台推理模型时的延迟是我想要重点测试的部分。实际操作中感觉是无缝的吗，还是你能察觉到明显的差距？

葡萄牙的葡萄牙语还是有点磕绊，但完全能用！