GPT-Live 是什么？ChatGPT 全双工语音（边听边说）完全解读

2026年7月8日，OpenAI 面向全球发布了刷新 ChatGPT 语音体验的新模型 “GPT-Live”（OpenAI 官方公告）。这是先于次日9日 GPT-5.6 正式开放之前的发布，其最大特点是“边听边说、可同时进行”的全双工（full-duplex）架构。

此前的 AI 语音都是“等你说完再回应”的轮流制。GPT-Live 则像人类对话一样，会附和、能接住打断、不会打断你思考时的沉默。本文将基于官方公告，讲解 GPT-Live 究竟是什么、与传统 Advanced Voice Mode 有何不同、如何运作、哪些套餐可用，以及目前还做不到什么。

截至 2026 年 9 月 25 日的补充：发布之后，后台使用的模型和语音用量上限有了变化（9 月 9 日），API 开始正式提供（9 月 10 日），ChatGPT Work 也支持了语音（9 月 23 日）。本文保留发布时的说明，并对与现在不同的地方加上日期重写（出处：OpenAI 发布说明、ChatGPT Voice 帮助文章、API 更新日志）。

1. GPT-Live 是什么——“边听边说”的全双工语音

GPT-Live 是承担 ChatGPT 语音对话的全新语音模型系列。它以替代传统语音功能（Advanced Voice Mode）的形式，从2026年7月8日起在 ChatGPT 的 iOS、Android 与 Web 端面向全球推出。

其核心在于“全双工（full-duplex）”这一设计。就像打电话一样，在处理输入（你的声音）的同时，持续生成输出（AI 的声音）。因此——

• 在你说话的过程中，能返回“嗯嗯”“原来如此”之类的附和
• AI 说到一半时你打断它，它也会认真听并调整方向
• 你思考而陷入沉默时，它不会误判为“说完了”而打断你

简而言之，GPT-Live 实现的是没有“排队等待”的实时对话。

2. 与传统 Advanced Voice Mode 有何不同

此前的 AI 语音（Advanced Voice Mode）是轮流制（半双工）。受机制所限，它有这样一些弱点。

据 OpenAI 称，在由人类对5～10分钟同等条件对话进行评价的对比中，GPT-Live-1、GPT-Live-1 mini 都明显比 Advanced Voice Mode 更受青睐。此外，在 GPQA（专业科学推理）、BrowseComp（智能体式 Web 检索）以及客户支持类任务上也报告了改进。

3. 工作原理——每秒的判断与委托给后台模型

GPT-Live 在连续处理语音输入的同时生成语音输出，并每秒多次判断“此刻该怎么做”——是说，还是继续听，是留白，是打断，还是调用工具。这种高频次的决策，造就了像人一样的节奏感。

另一项重要设计在于“把深度处理委派给后台模型”。对话的即时响应由 GPT-Live 承担，而当需要 Web 检索、深度推理或复杂作业时，就在后台把处理交给更大的模型（发布时为 GPT-5.5），出结果后再回到对话中。这是一套让对话不中断的同时兼顾“思考”的机制。

OpenAI 在发布公告中写道“随着我们推出新的前沿模型，会持续更新 GPT-Live 所用的模型”，实际上自 2026 年 9 月 9 日起，语音也改用 GPT-5.6 或 GPT-6 Astra（OpenAI 发布说明）。也就是说，后台模型的名字还会不断变化。值得记住的不是名字，而是“负责对话的角色”和“负责思考的角色”是分开的这一结构。回答有多聪明取决于后台模型，说起话来是否顺畅取决于 GPT-Live。

4. 两款模型与分套餐提供

要点是：免费套餐也能用 mini 版 GPT-Live。自然的全双工对话并不限于付费用户。发布时 Go/Plus/Pro 默认是 GPT-Live-1，但自 2026 年 9 月 9 日起 Go 改为 GPT-Live-1 mini，Plus 和 Pro 达到语音上限后也不再切换到 mini（OpenAI 发布说明）。发布时不在范围内的 Business、Enterprise、Edu 工作区，现在也可以视设置使用（OpenAI Help）。可在 ChatGPT 的 iOS、Android 和 ChatGPT.com 上使用，在全球分阶段推送。上限数值会调整，使用前请先查看帮助文章里的表格。

5. 主要进化点

6. 当前的限制——如实说明

期待容易跑在现实前面，所以也要坦白说清它做不到什么。下面把发布时的限制分成“现在仍然存在”和“已经解决”两类（截至 2026 年 9 月 25 日）。

• 🟡 不支持视频和屏幕共享：与发布时相同，Live 不处理视频输入和屏幕共享（OpenAI Help）。需要时，请在 iOS 或 Android 应用里切换到旧的 Advanced 语音。
• 🟡 完整的多语言支持还要等：发布时 OpenAI 写道，GPT-Live 针对最常用的语言做了优化，部分语言可能有非母语口音或不够流利。
• 🟡 面向一对一对话：还没有针对多人同时说话进行优化，有时会对人与人之间的对话作出反应（OpenAI Help）。
• 🟢 API 已经提供：发布时是“即将推出”，2026 年 9 月 10 日已正式提供（详见第 8 章）。
• 🟡 分阶段推送：能用哪些功能、何时能用，取决于套餐、地区、工作区设置和应用版本。

这些预计会在后续更新中扩展，但需要理解的是“视频与屏幕并非现在就能用”这一点。

7. 适用场景

• 免提的咨询与自我梳理：一边走路、一边作业，把想法说出来加以整理。因为沉默不会被打断，思路不易中断。
• 外语会话练习：有了附和与自然的打断，可以进行更接近真实对话的练习。
• 用语音做调研和总结：深度搜索会委托给后台模型，所以可以边聊边查资料。
• 开口就能派活：自 2026 年 9 月 23 日起，在 web 和手机端的 ChatGPT Work 里也能用语音说话，请它制作文档、幻灯片和表格。挂断通话时若任务还没完成，会转为文字继续（需要同时有 Voice 和 Work 的使用权限，OpenAI 发布说明）。
• 无障碍：在打字不便的场景下，节奏良好的语音界面很有帮助。

OpenAI Help 里也写了具体的使用技巧。

• 想边想边说，就先打招呼：对话一开始就说“等我让你回答时再回答”，它就会等着。不过长时间沉默或周围的声音仍可能让它开口。
• 老被打断就换个环境：戴耳机、换到安静的地方、调高设备音量。iPhone 上可以打开控制中心，选择“麦克风模式”，开启“语音突显”。
• 想要口述成文就用听写：语音对话的文字记录不是逐字稿，可能与实际说的话不一致。想先检查、修改再发送时，听写（Dictation）比语音对话（Voice）更合适。
• 了解录音如何处理：音频片段与聊天记录一起保存，保留 30 天。只有你自己开启共享时，片段才会被用于训练（Business、Enterprise、Edu 无法共享）。文字记录是否被使用，取决于“为所有人改进模型”的设置。

8. API 提供状况与 GPT-Realtime 的区别

发布时 GPT-Live 的 API 是“即将推出”，开发者和企业只能登记等待通知。之后在 2026 年 9 月 10 日，它在 API 中正式提供（OpenAI API 更新日志）。根据 2026 年 9 月 25 日的模型页面，模型 ID 是 gpt-live-1，通过专用的 Live 端点（v1/live/sessions）使用，语音会话每分钟 $0.05（按秒计费）。后台思考的模型和工具另行计费。

在 API 中也和 ChatGPT 一样，由负责对话的 GPT-Live 和负责思考的后端分工组合。后端既可以交给 OpenAI 的模型来跑，也可以接入你自己的智能体或服务（官方指南）。权限检查以及涉及自家系统的处理，仍由应用一侧负责。

总结

• GPT-Live 是把 ChatGPT 的语音从“轮流制”变为全双工（边听边说）的新模型（2026年7月8日，全球）。
• 凭借附和、打断、容许沉默，实现接近人类的对话节奏。比 Advanced Voice Mode 明显更受青睐。
• 对话的即时响应由 GPT-Live 负责，深度推理和搜索委托给后台模型（发布时是 GPT-5.5，2026 年 9 月 9 日起为 GPT-5.6 或 GPT-6 Astra）。
• 免费版和 Go 用 GPT-Live-1 mini，Plus 和 Pro 用 GPT-Live-1（截至 2026 年 9 月 25 日）。Business、Enterprise、Edu 也可视设置使用。可在 ChatGPT 的 iOS/Android/Web 上使用。
• 现有限制：不支持视频和屏幕共享，完整的多语言支持尚未实现。API 已于 2026 年 9 月 10 日正式提供（每分钟 $0.05）。GPT-Realtime-2.1 是另一条 API 语音模型产品线。

FAQ

Q1. GPT-Live 免费也能用吗？

可以。免费套餐能有限地使用 GPT-Live-1 mini。截至 2026 年 9 月 25 日，Go 也是 GPT-Live-1 mini（每天最多 3 小时），Plus 和 Pro 则是更高一级的 GPT-Live-1。可在 ChatGPT 的 iOS、Android 和 Web 上使用（分阶段推送）。

Q2. “全双工”具体是什么？

是像打电话一样能同时进行听与说的方式。与传统的轮流制（等你说完再回应）不同，它能在你说话时返回附和、接住打断，也能不打断你思考的沉默、耐心等待。

Q3. 与传统 Advanced Voice Mode 最大的不同是什么？

是判定“说完”的方法。传统方式基于静音（沉默），容易把思考的停顿误判为“结束了”而打断。GPT-Live 则不等明确的停顿，边听边跟踪停顿、打断与语速变化，每秒多次判断是回应还是继续听（OpenAI 系统卡），因此更不易被打断、更自然。在人类评价中也明显更受青睐。

Q4. 难题它也能回答吗？

可以。对话的即时响应由 GPT-Live 负责，需要网页搜索或深度推理时，会把处理委托给后台模型，再把结果带回对话。发布时后台模型是 GPT-5.5，自 2026 年 9 月 9 日起改用 GPT-5.6 或 GPT-6 Astra，模型和推理强度用与文字聊天相同的控件来选。

Q5. 能进行视频或屏幕共享吗？

截至 2026 年 9 月 25 日仍然不行。Live 不支持视频和屏幕共享，需要时请在 iOS 或 Android 应用里切换到旧的 Advanced 语音（OpenAI Help）。OpenAI 在发布时表示正在努力加入这些功能。

Q6. 能通过 API 接入我自己的应用吗？

可以。GPT-Live 的 API 已于 2026 年 9 月 10 日正式提供，模型 ID 为 gpt-live-1，价格为语音会话每分钟 $0.05（后台模型和工具另计）。另外还有别的产品线 GPT-Realtime-2.1 / mini，可以根据你更看重对话的自然程度，还是想沿用现有的 Realtime API 来选择。

Q7. 与谷歌的 Gemini Live 相比如何？

谷歌的 Gemini Live 可以在对话时共享摄像头画面或手机屏幕（Gemini Live 帮助）。截至 2026 年 9 月 25 日，GPT-Live 不支持视频和屏幕共享，所以想一边展示眼前的画面一边对话的话，Gemini Live 占优。OpenAI 为 GPT-Live 强调的优势是全双工对话的自然度：边听边给出回应，话说到一半被打断也能接住，你思考时的沉默也会耐心等待。OpenAI 没有公布延迟数值，因此无法比较回应速度。详情也可参阅GPT-5.6 vs Gemini 对比。

相关文章

• GPT-5.6 发布完全解读 — 同期的主角模型群
• GPT-5.6 Sol vs Gemini — 多模态/语音的对比维度
• Google Gemini 是什么 — 竞品的基础
• ChatGPT Work 是什么 — 制作文档、表格、幻灯片的“工作智能体”，现在也能用语音派活

若要把已有 MP3 或 M4A 附加到对话，请参阅 ChatGPT 音频上传指南，了解支持格式、付费套餐、逐字稿核对方法、API 单独计费和存储注意事项。