目录
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。
轮流制的终结
— 边听边说，走向像人一样的对话
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。
| 维度 | 传统：Advanced Voice Mode | 新：GPT-Live |
|---|---|---|
| 基本方式 | 轮流制（半双工）——等你说完 | 全双工——边听边同时说 |
| 说完的判定 | 基于静音（沉默） | 根据语气与呼吸的变化判断 |
| 思考的沉默 | 容易误判为"结束了"而打断 | 不打断，能等待 |
| 附和 | 基本没有 | 会返回"mhmm""yeah"等 |
| 打断 | 有时会被不自然地切断 | 接住并进行调整 |
| 判断频率 | 以轮次为单位 | 每秒多次（说/听/留白/打断/调用工具） |
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——每秒的判断与向 GPT-5.5 委派
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。
4. 两款模型与分套餐提供
| 套餐 | 默认语音模型 |
|---|---|
| Free（免费） | GPT-Live-1 mini |
| Go / Plus / Pro | GPT-Live-1 |
关键在于，免费套餐也能使用 mini 版的 GPT-Live。全双工的自然对话并不局限于付费用户。若追求更高质量的对话或推理，Go/Plus/Pro 会将 GPT-Live-1 作为默认。提供渠道为 ChatGPT 的 iOS、Android 与 ChatGPT.com，已面向全球分阶段推出。
5. 主要进化点
在你说话时回应"嗯嗯"，让人产生被倾听的感觉。
响应几乎即时，节奏更接近人类对话。
在话说到一半时打断，它也会听并修正内容方向。
不会把思考的停顿误判为"说完了"，而是耐心等待。
6. 当前的限制——如实说明
由于期待容易先行，也想如实说明发布时还做不到的事。
- 🟡 暂不支持视频与屏幕共享：发布时以语音为主，不包含影像输入或屏幕共享。
- 🟡 多语言的完全支持仍在路上：尚未在所有语言上达到同等水平的质量（full multilingual parity 尚未实现）。
- 🟡 暂未提供 API：面向开发者的 API 为"即将提供"，本文撰写时尚未公开、价格未公布（详见第8章）。
- 🟡 正在分阶段推出：触达全体用户可能存在时间差。
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。
- 语音式初步调研与摘要：深度检索会委派给后台的 GPT-5.5，因此可以一边对话一边推进查找。
- 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。
8. API 提供状况与 GPT-Realtime 的区别
GPT-Live 的 API 在本文撰写时尚未提供（"即将提供"，价格未公布）。开发者与企业需要通过订阅通知等待。请注意，"现在就把全双工语音接入自家应用"目前还做不到。
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、容许沉默与延迟 <250ms，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 承担，深度推理与检索在后台委派给 GPT-5.5（可用 Instant/Medium/High 选择深度）。
- 免费为 GPT-Live-1 mini，Go/Plus/Pro 为 GPT-Live-1 作为默认。可在 ChatGPT 的 iOS/Android/Web 上使用。
- 当前的限制：暂不支持视频与屏幕共享，多语言的完全支持尚未实现，API 暂未提供。面向 API 另有 GPT-Realtime-2.1。
FAQ
Q1. GPT-Live 免费也能用吗？
能用。免费套餐会以 GPT-Live-1 mini 作为默认语音模型。Go/Plus/Pro 则以更高阶的 GPT-Live-1 为默认。可在 ChatGPT 的 iOS、Android 与 Web 上使用（分阶段推出）。
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 则根据语气与呼吸的变化判断，并每秒多次做决策，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？
能回答。对话的即时响应由 GPT-Live 负责，在需要 Web 检索或深度推理的场景下，会在后台把处理委派给 GPT-5.5，再把结果带回对话中。推理的深度可从 Instant／Medium／High 中选择。
Q5. 能进行视频或屏幕共享吗？
发布时不能。GPT-Live 以语音为主，视频、屏幕共享以及多语言的完全支持目前均未提供。预计会在后续更新中扩展。
Q6. 能通过 API 接入我自己的应用吗？
GPT-Live 的 API 在本文撰写时尚未提供（即将推出、价格未公布）。若想现在就用 API 实现低延迟语音，请考虑另一系列的 GPT-Realtime-2.1 / mini（面向 API 的语音智能体基座）。GPT-Live 面向消费者，GPT-Realtime 面向开发者，角色分工不同。
Q7. 与谷歌的 Gemini Live 相比如何？
Gemini 的优势同样在于包含语音、视频的多模态，支持实时对话。GPT-Live 目前的强项是全双工对话的自然度与低延迟，但在视频、屏幕共享尚未支持这一点上，也有 Gemini 占优的领域。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
