觀點 · 資訊分享

OpenAI 推出 GPT-Live：ChatGPT 語音改成「邊聽邊說」，難題還能交給 GPT-5.5 在背景處理

OpenAI 在 7 月 8 日推出新一代語音模型 GPT-Live：採用能同時聽與說的全雙工架構，讓 ChatGPT 語音能自然插話、等你思考；遇到搜尋或複雜問題，會交給 GPT-5.5 在背景處理。API 版本官方說「很快」。

一句話看懂：OpenAI 的新語音模型 GPT-Live 能「邊聽邊說」，已經用在 ChatGPT 語音，遇到難題會交給 GPT-5.5 在背景處理，API 版官方說「很快」。

OpenAI 新一代語音模型登場資訊圖卡：ChatGPT 語音能邊聽邊說，難題交給 GPT-5.5 在背景處理

先用白話講：以前的語音 AI 差在哪？

你和朋友講電話，對方會一邊聽一邊「嗯、對」，你停下來想一想，他也會等。但過去的語音 AI 比較像用對講機：你說完按下結束，它才開始回答。

OpenAI 在公告裡把過去的做法分成兩代：

串接式：原本的 ChatGPT 語音，是三個模型接力：語音轉文字、語言模型想答案、文字轉語音。資訊會在接力中流失，回應也慢且生硬
回合制：進階語音模式把處理合在一個模型裡，變快變順，但還是要等你說完才回應，而且用「靜音」判斷你說完沒，一個短暫的停頓或背景雜音，就可能被誤判成說完而亂插話

OpenAI 在 2026 年 7 月 8 日推出 GPT-Live，這是新一代語音模型，已用在 ChatGPT 語音。兩個關鍵的設計：

持續互動（全雙工）：不再一段一段處理，而是持續聽、同時持續說，每秒可以多次決定：要說話、繼續聽、暫停、打斷，還是呼叫工具。因此能自然地插話、維持時間感，甚至做即時翻譯
把深度工作外包：負責互動的 GPT-Live 和負責深度思考的模型分開。遇到搜尋、推理或複雜任務，就交給另一個模型（上線時是 GPT-5.5），自己繼續陪你聊，等結果好了再帶回對話

項目	說明
更自然的對話	可以隨時插話、請它放慢；會用「嗯哼」「了解」表示在聽；九種聲音都重新調校
更聰明的回答	可選推理程度：即時（Instant）、中（Medium）、高（High）
更好的聆聽	你停下來思考時它會等；請它安靜聽就會安靜；背景雜音下更能專注在你的聲音
視覺卡片	對話中可顯示天氣、股價、運動等視覺卡片；仍支援搜尋、記憶、圖片與檔案上傳

GPT-Live-1 與 GPT-Live-1 mini 從公告當天開始，推送給全球 ChatGPT 用戶（iOS、Android 與 ChatGPT.com）；Go、Plus、Pro 用戶預設是 GPT-Live-1，免費用戶預設是 mini
官方針對 ChatGPT 中較熱門的語言做最佳化；部分語言可能有非母語口音或流暢度不足
上線時不支援語音搭配視訊或螢幕分享，仍可使用舊版（標準與進階語音模式）
官方公告引述，每週有超過 1.5 億人使用語音與聽寫功能
安全面：新增音訊原生的安全評測，並設計可在模型說話當下介入的防護；只使用預先設定的聲音，並防止模仿真人聲音；家長可透過家長控制決定青少年能否使用語音

後續：官方在 2026 年 7 月 31 日更新，說明透過 ChatGPT 語音與 OpenAI API 以 GPT-Live 產生的支援音訊，現在帶有 SynthID 浮水印，並提供驗證工具與 API 讓開發者檢查來源訊號。

API 版還沒開放：官方只說計畫很快帶到 API，並提供登記通知的表單
想先做語音產品原型，可以參考官方同期的即時語音模型（7 月 6 日更新的 GPT-Realtime-2.1 系列），但那是另一條產品線，不等同 GPT-Live
官方評比提到 GPT-Live-1 在 GPQA（專家級科學推理）、BrowseComp（網頁搜尋）與電信客服的語音代理評測上，明顯勝過進階語音模式；評測細節與數字沒有逐項公開在公告內文，這裡不引用

「邊聽邊說」是這一代語音 AI 最重要的轉折，因為它解的是語音介面最根本的不自然：不是聲音不夠像人，而是對話節奏不像人。如果真的做到「等你想、會插話、不被雜音騙」，語音就有機會從噱頭變成日常工具，特別是開車或雙手忙碌的時候。

對想做語音產品的開發者，目前最實際的是兩件事：先看官方什麼時候開 API，以及關注它對繁體中文與台灣口音的表現。官方自己也承認不同語言有口音與流暢度的落差，這部分一定要自己測，不能只看英文的展示影片。

「全雙工」是什麼意思？

像電話一樣，雙方可以同時說話、同時聽。傳統語音模型多半是「你說完、我才說」的回合制，用靜音來判斷你說完沒，所以一停頓或有雜音就可能被誤判。GPT-Live 則是持續處理輸入，同時產生輸出。

它比以前的 ChatGPT 語音好在哪裡？

依官方說明：可以隨時插話或請它放慢；會用「嗯哼」「了解」這類回應表示在聽；你停下來思考時它會等；背景有車聲或旁人說話時更能專注你的聲音；還能在對話中顯示天氣、股價、運動比分等視覺卡片。官方也說在配對的 5 到 10 分鐘對話評比中，使用者明顯偏好 GPT-Live 勝過進階語音模式。

開發者現在能用 API 嗎？

還不行。官方說計畫「很快」把 GPT-Live-1 與 mini 帶到 API，開發者與企業可以填表單登記通知，沒有給具體日期。

作者

接案做系統開發、網站與主機託管。觀點裡的文章都是我自己寫的,寫的是做專案時第一手遇到的事。