OpenAI新模型 押注语音即AI入口 迈入实时对话时代
OpenAI表示，新模型在人类评测中，在以下多个维度均获得更高偏好：
整体交流体验（Overall Preference）
轮流说话自然程度（Turn-taking）
打断后的恢复能力（Interruptions）
对话流畅性（Conversational Flow）
是否更像人与人交流（Naturalness）
这也是OpenAI此次选择全面替换原有语音模型的重要原因。
“轮流说话”升级为“实时交流"，还能实时翻译、听写、调整语速
GPT-Live最大的技术升级，在于采用原生全双工（Full-duplex）语音架构。
过去，大多数AI语音助手仍遵循"你说一句、我答一句"的Turn-based模式，需要等待用户说完整句话后才能开始识别和生成回复，因此经常出现明显停顿，也难以处理中途打断。
GPT-Live则可以一边听、一边理解，同时实时准备回答。
模型能够识别用户只是短暂停顿思考，还是已经结束发言；当用户插话时，它还能立即停止讲话继续倾听，再自然接上对话，更接近人与人的真实交流方式。
与此同时，新模型还带来了多项能力升级，比如具备实时双向翻译（Live Translation）能力，能更准确地语音听写（Dictation）、作出更自然的停顿、语调与情绪反馈，还能根据用户要求放慢或加快说话速度，作出更自然的回应、语气词和倾听反馈。
例如，假如用户直接提出“能说慢一点吗”的要求，模型即可实时调整自己的说话节奏，而不是简单降低音频播放速度。
不只是语音模型，而是ChatGPT所有能力的新入口
相比语音效果提升，更重要的是GPT-Live已成为连接整个ChatGPT能力体系的新入口。
OpenAI表示，语音模型负责自然交流，而真正执行复杂任务时，可自动调用后台不同模型。
例如：
遇到复杂推理时，可自动切换GPT-5.5；
需要联网时，可直接调用Web Search；
涉及天气、股票、体育等实时信息，也能够调用对应能力，再将结果自然地以语音形式返回。
因此，GPT-Live不再是一套独立语音系统，而是ChatGPT所有AI能力的统一语音界面。
语音安全机制强化：高风险情况下可主动结束对话，家长可收到提醒
随着AI越来越接近真人交流，OpenAI此次同步升级了语音安全机制。
OpenAI表示，当系统检测到可能产生不安全内容时，可根据风险程度采取不同措施，包括：
引导模型生成更加安全的回复；
主动展示额外安全提示；
在风险较高情况下直接结束语音对话。
针对未成年人，OpenAI还将此前推出的家长控制功能扩展至ChatGPT Voice。
家长可以直接关闭青少年账号的语音功能；如果已经允许使用，而系统检测到青少年试图将对话引向自残等高风险内容，系统还会主动向家长发送提醒。
OpenAI表示，这些安全策略旨在让更加拟人的实时语音交互，在保持自然体验的同时，也能够满足更高等级的安全要求。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: