OpenAI正式推出GPT-Live新一代语音大模型，采用全双工架构，AI可以一边聆听一边回应，打破过去语音对话一问一答的模式，实现接近真人的实时交流体验，是ChatGPT语音功能的重大升级。

传统AI语音大多需要等用户说完，再完整生成回答。GPT-Live支持边听边说，对话过程中可以适时附和、停顿，听懂用户语气变化，甚至允许双方互相插话。后台会自动调用前沿推理模型，遇到复杂数学、代码、资料检索任务时，自动切换深度思考模式，一边保持对话流畅，一边运算复杂问题。
OpenAI表示，这款模型不只是升级对话声音，核心目标是为未来AI智能体打造自然交互入口。未来用户可以直接用语音指挥AI完成多步骤任务，安排日程、整理资料、分析数据，全程不需要打字。模型还附带AI内容溯源检测工具，可识别音频是否由AI生成，用于应对深度伪造音频带来的安全风险。

不过该产品同样存在短板。实时双向对话对网络带宽要求很高，弱网环境容易出现延迟。有测试者反馈，在长时间连续对话场景下，偶尔会出现逻辑跑偏。同时，深度伪造音频的识别能力，面对高度伪装的样本时识别准确率会下降，隐私与虚假音频风险依旧受到监管关注。
GPT-Live标志着AI交互方式从文字逐步转向沉浸式语音。文字交互是AI的第一阶段，语音实时对话有望成为AI智能体走进普通人生活的关键一步。当AI能和人自然不间断聊天，会不会重塑人机交互的底层逻辑？