OpenAI 在 7 月 8 日发布 GPT-Live-1 和 GPT-Live-1 mini 两款语音模型,核心变化不是「声音更像人」,而是底层跑通了一套全双工(full-duplex)语音架构:模型边听边说,每秒钟能做多次「该不该继续听/该不该插话/是否要调工具」的决策,把过去 Advanced Voice Mode 上 1.7 秒的串级 ASR-LLM-TTS 延迟压到「边说边回」的连续流。 技术上有两个关键判断。其一是流式对话:旧版基于静音检测判定用户「说完了」,导致任何停顿、背景音都被误识为轮次结束,这也是「对讲机式体验」的根源;GPT-Live 把轮次判定做成连续信号,允许「嗯/好的」这种确认声嵌入主发言,真正像人类会议里的 backchannel。其二是解耦推理:简单问题由 GPT-Live 自身回答,需要查资料或复杂推理时,语音前端异步委托给 GPT-5.5 这类后端大模型,前端继续维持对话流不中断。OpenAI 明确说,未来切换到更新的 frontier 模型时,语音层不用重训——这是一次「语音 UI 与模型智能解耦」的架构押注。 产品层面,GPT-Live-1 已成为 Plus/Pro/Go 付费用户的默认语音模型,mini 给免费层;同时新增三层推理档位(Instant/Medium/High)和可暂停不打断的能力。对 1.5 亿周活跃语音用户来说,最直观的感受是 ChatGPT 不再「抢话」。 值得讨论的是,这套架构对企业级 voice agent 是真正利好:语音交互的延迟与后端推理能力第一次可以独立优化,客服、导购等场景不必再为「等大模型返回」而把对话节奏打碎。