我们推出了 GPT‑Live，这是一代新的语音模型，使与 AI 交谈的感觉更加像是真实的对话。GPT‑Live 基于全双工架构构建，这意味着它可以同时听和说。在对话中，GPT‑Live 可以通过 "嗯" 或 "是的" 等短语来表示它正在专注，参与快速的互动，或者在你需要思考的时刻保持沉默。结果是一个令人耳目一新的语音体验，交流变得更加轻松。GPT‑Live 也是我们迄今为止最聪明的语音模型。对于需要网络搜索、更深层次的推理或更复杂工作的提问，它在后台委派给我们最新的前沿模型，并在准备好后将结果带回对话中。在它工作期间，GPT‑Live 可以继续与你交谈并保持对话的连贯性。推出时，GPT‑Live 将在后台使用 GPT‑5.5。当我们发布新的前沿模型时，我们将不断更新 GPT‑Live 使用的模型。这些进展为新的 ChatGPT 语音体验提供了更智能和自然的使用方式。随着时间的推移，我们相信这项研究还将解锁使用语音进行越来越复杂、持续时间更长和更有主动性的工作的能力。我们开始向全球的 ChatGPT 用户推出两个版本的 GPT‑Live - GPT‑Live‑1 和 GPT‑Live‑1 mini。我们还计划很快将它们引入 API，开发者和企业可以使用此表单注册以获取通知。我们的愿景是实现真正自然的人类与 AI 的互动：一个通过 AI 协作感觉流畅和响应迅速的世界，同时推理和复杂的任务执行在后台无缝进行。旧一代的语音 AI 系统使我们更接近这个愿景，但却存在重要的权衡。级联语音系统依赖于一系列模型逐个处理每个回合。最初的 ChatGPT 语音将三个模型连接在一起：一个语音转文本模型来转录你的语音，一个大型语言模型来产生响应，一个文本转语音模型将其转换回语音。这种方法首次使我们能够与前沿 AI 模型交谈，但复杂性带来了代价：信息可能在模型之间丢失，响应缓慢且生硬。级联语音系统的响应缓慢且生硬，长时间停顿。在标准语音模式下的示例对话使用 GPT-5.5。即时的基于回合的语音模型，比如 ChatGPT 高级语音模式在单个模型内加工和生成音频，减少了延迟并使对话更流畅——但它们仍在通过离散的回合进行操作。模型必须等用户停止说话后才能回应，因此造成了僵硬的互动。此外，由于回合检测基于沉默，即使是短暂的停顿或背景噪音也可能被误认为是回合结束——导致模型在不自然的时刻打断。基于回合的语音模型的响应略快且更流畅，但与模型的互动依然显得僵硬。在使用 ChatGPT 高级语音模式下的示例对话中。GPT‑Live 通过两个架构变更解决了这些限制。首先，我们为持续互动构建了 GPT‑Live，使用全双工架构。GPT‑Live 不再处理一系列独立的消息，而是不断处理输入的同时生成输出。因此，该模型可以每秒进行多次互动决策：是说话、继续听、暂停、中断，还是调用工具。这使得模型能够参与更加自然的互动，保持更好的时间感，甚至进行实时翻译。持续互动迅速、自然、富有表现力的响应和更积极的倾听。在使用 GPT-5.5 的 GPT-Live-1 示例对话中。其次，我们将处理持续互动的 GPT‑Live 与更深层次的工作解耦。当问题需要搜索、推理或更主动的能力时，GPT‑Live 可以将任务委派给另一个模型，如 GPT‑5.5。这使得即使在后台处理多个任务时，它也能够持续进行对话。这种架构变化还使 GPT‑Live 能够持续使用最新模型和代理，将前沿智能与自然交互结合。用于更深层工作 GPT-Live 提供快速、自然的响应，而 GPT-5.5 在后台处理搜索。在使用 GPT-Live-1 的示例对话中，使用 GPT-5.5。我们构建了新的人工评估来衡量愉悦感和对话流畅性。在这些一对一的比较中，GPT‑Live‑1 和 GPT‑Live‑1 mini 在匹配的 5-10 分钟的对话中被强烈偏好，测量整体偏好、回合交替、打断、对话流畅性和每次互动的自然程度。GPQA: GPT‑Live‑1 在 GPQA 测试中表现大幅优于高级语音模式，该测试评估生物学、化学等领域的专家级科学推理。