每週已有超過 1.5 億人用語音或聽寫與 ChatGPT 互動——但直到現在，多數人經歷的仍是「你說完 → 模型想完 → 再開口」的回合制。 OpenAI 在 7 月 8 日正式推出 GPT-Live，用全雙工（full-duplex）架構重寫語音層：模型可以邊聽邊說，用「mhmm」「got it」表示在跟進，也允許你中途打斷、暫停思考，或要求它先安靜聽完。更關鍵的架構變更是對話與推理分離——需要搜尋、深度推理或 代理式 能力時，GPT-Live 把任務委派給背景的 GPT-5.5，自己繼續跟你聊天，等結果回來再融入語音流。這不是小改版，而是第三代 ChatGPT 語音：從級聯 STT→LLM→TTS，進到「一個管互動、一個管腦力」的雙引擎設計。
為什麼舊語音模式總像在做簡報
OpenAI 在官方文章裡把演進路徑講得很清楚，值得開發者對照自家產品架構。
級聯式（Standard Voice）
語音 → 語音轉文字 → 文字模型 → 文字轉語音 → 播放。能第一次「跟前沿模型說話」，但資訊在多段轉換中流失，延遲高、語氣僵硬。
回合制單模型（Advanced Voice Mode）
單一模型端到端處理音訊，延遲改善，但仍須等使用者停說才回應；靜音偵測常把背景噪音或思考停頓誤判為「輪到我」，造成不自然插話。
GPT-Live
連續處理輸入與輸出，每秒多次決策：要說話、繼續聽、暫停、打斷，或呼叫工具。競品早已試水——Google 3 月有 Gemini Live，NVIDIA 1 月開源 PersonaPlex 支援可客製化全雙工——OpenAI 這次是用消費級預設體驗把賽道拉回主戰場。
兩個型號與誰拿得到
| 型號 | 預設對象 | 能力定位 |
|---|---|---|
| GPT-Live-1 | Go、Plus、Pro 付費用戶 | 完整 Live 體驗 + 可選 Instant／Medium／High 推理檔位 |
| GPT-Live-1 mini | 免費用戶 | 取代原 Advanced Voice Mode 為預設語音 |
全球 iOS、Android、ChatGPT.com 開始推送；API 尚未開放首日可用，企業與開發者可填表等候通知——這意味 ElevenLabs、Deepgram 等已有開發者 API 的對手，短期仍占 B 端語音代理先機。
付費用戶可選推理強度：Instant 求快，Medium／High 讓背景 GPT-5.5 Thinking 花更多時間想。語音介面還能顯示視覺卡片（天氣、股市、體育等），延續搜尋、記憶、圖片與檔案上傳能力。
委派架構：語音不再等大腦算完
VentureBeat 與 the-decoder 都強調這是 GPT-Live 的技術核心。使用者問需要 BrowseComp 級網搜或 GPQA 級科學推理的問題時：
- GPT-Live 維持語音互動（可填充語、確認理解）；
- 背景啟動 GPT-5.5（發布時為 Instant／Thinking 系列）；
- 結果返回後以語音＋可選視覺卡呈現。
OpenAI 稱此設計讓語音層能持續掛載最新前沿模型，不必每次重訓整個語音端到端模型。內部評測稱 GPT-Live-1 在 GPQA、BrowseComp、τ³-Voice Telecom（電信客服多輪場景）等基準上明顯優於 Advanced Voice Mode；人類盲測中，5–10 分鐘對話的整體偏好、打斷處理與自然度亦偏向 Live 系列。
實務上，這解決了舊語音模式的一個老毛病：聰明度與流暢度不可兼得。級聯式夠聰明但慢；Advanced Voice 夠順但難做長鏈推理。委派架構讓「聊天迴圈」維持低延遲音訊，而「腦力活」交給已優化過的 GPT-5.5 管線——包括搜尋、工具呼叫與可選 Thinking 檔位。TechCrunch 報導 OpenAI 還展示模型可長時間沉默吸收上下文，直到被點名才開口，適合會議旁聽、頭腦風暴等「人在、AI 待機」場景。
安全：聯合國兒童誓約的前線實驗場
語音比文字更難事後審查。OpenAI 強調不是要做 AI 伴侶，並為青少年、自殘等場景加強訓練與即時護欄：偵測到高風險輸出時可引導、附加資源或結束通話；自殘相關對話適配語音版危機熱線流程。家長可透過 Parental Controls 決定青少年是否可用語音。
這與日内瓦 聯合國 AI 兒童安全誓約 敘事直接相關：當「更像真人」的語音進入 1.5 億週活，監管與平台的安全投資必須從文字 moderation 擴到音訊原生紅隊。GPT-Live 禁止模仿真人聲音，僅提供九種預設音色（並為 Live 重製）。
已知限制與競爭窗口
官方坦承首日缺口：
- 不支援語音＋視訊或螢幕分享（舊版 Standard／Advanced Voice 仍可用這些功能）；
- 部分語言可能有非母語口音或流利度落差；
- API 未到，企業語音客服整合需再等一輪。
Google Gemini Live、NVIDIA PersonaPlex 與新創 Monogram（視覺化語音回應，種子輪 4000 萬美元）都在搶「長時間免持對話」場景——通勤、語言練習、親子故事。OpenAI 產品負責人 Atty Eleti 在媒體簡報中提及自己用語音功能散步時長對話，方向是拉長免持使用時長，而非只做短問答。
與本週其他主線的關係
GPT-Live 背景預設掛 GPT-5.5；OpenAI 已預告 GPT-5.6 Sol／Terra／Luna 將在翌日擴大公開釋出——語音層理論上可隨前沿模型迭代而升級，無需使用者感知「換了一個語音模型」。同一週 SpaceXAI 發布 Grok 4.5、Anthropic Fable 5 轉 usage credits 則在文字／coding 戰場拼價格；GPT-Live 是 OpenAI 在消費者觸點上鞏固「ChatGPT 就是日常介面」的防守反擊。
對開發者的當下建議：若產品依賴 ChatGPT 語音，應在真實噪音環境測試打斷與靜默等待；若做企業語音代理，在 API 開放前仍須評估 Google／Deepgram 等可編程方案，並預留「背景大模型可換」的編排層——GPT-Live 驗證了這條路線在 C 端可行。
一句話：GPT-Live 把 生成式 AI 的語音戰從「誰的 TTS 更自然」升級成「誰能在你打斷時仍讓前沿模型在背景算完」——全雙工是門面，委派推理才是讓語音終於夠聰明的那條暗線。