北京
OpenAI今日发布了两款全新对话模型GPT-Live-1和GPT-Live-1 mini，并声称这两款模型听起来更加自然，能够更好地处理对话轮次切换。这两款模型均采用全双工架构，能够同时进行说话和听取，让用户可以自然地插话，并支持实时翻译等功能。
与此同时，OpenAI将ChatGPT现有的高级语音模式默认替换为GPT-Live-1 mini，付费用户则可访问更强大的GPT-Live-1模型。此前的语音模式采用语音转文字模型转录语音、大语言模型生成回复、再由文字转语音模型输出最终答案的三段式架构。
OpenAI在新闻发布会上表示，新模型解决了原有版本存在的两个主要问题：一是会在用户说话时打断对方，二是智能水平不足、无法有效回答问题。新模型在保持对话流畅的同时，还能将查询请求发送至GPT-5.5等最新文本模型，以支持搜索、推理或智能体能力。
OpenAI还展示了新模型长时间保持静默并吸收对话上下文，直至被主动呼唤时才响应的能力。此外，由于新语音模式可以调用更新版的GPT模型，它还能够以可视化格式呈现部分信息。其他初创公司同样在可视化回应方向上发力，例如已从DST和Lux Capital获得4000万美元种子轮融资的Monogram，也在尝试通过视觉反馈让助手变得更具交互性。
OpenAI表示，ChatGPT中的新语音模式专为长对话场景设计。在发布会上，ChatGPT语音功能产品负责人Atty Eleti表示，他曾在散步时与该语音功能进行长达30至40分钟的连续对话。
OpenAI认为，语音有望成为处理复杂工作的主要计算界面。此前有报道称该公司今年可能会发布一款具备AI能力的耳机产品，但OpenAI在本次发布会上并未透露任何硬件产品相关信息。
Eleti表示："从长远来看，我们认为这也将解锁以语音作为计算主要界面的能力，并管理越来越复杂的、长时间运行的智能体任务。我们看到人们用Codex和ChatGPT实现了很多令人惊叹的使用案例，我们认为语音可以成为各类工作的未来界面。"
过去几年，OpenAI持续投入资源提升ChatGPT语音模式的自然度。该公司透露，目前已有超过1.5亿人通过语音输入和听写等功能与ChatGPT进行交流。
竞争对手也在积极跟进，努力让各自的助手更具表现力。苹果和亚马逊均已对旗下语音助手进行更新，提升了对话自然度和上下文理解能力。Oculus联合创始人Brendan Iribe与Ankit Kumar共同创立的初创公司Sesame，也推出了能够在后台执行任务的自然对话AI助手。
OpenAI正朝着同一方向迈进，目标是让用户能够长时间以免提方式与其助手交流。尽管OpenAI宣称新语音模式听起来更加自然，但公司同时强调，并不打算将其打造成AI伴侣产品。OpenAI指出，新模型内置了安全机制，能够针对青少年用户提供适龄回应，并在对话涉及自我伤害等敏感话题时主动提供相关资源。
不过，新语音模式仍有改进空间。在演示过程中，当公司展示印地语实时翻译功能时，助手带有浓重的美式口音，所说的印地语听起来不够自然，语气略显书面化。OpenAI表示，新模式已针对"大多数口语语言"进行了优化，但未具体说明涵盖哪些语言。
Q&A
Q1：GPT-Live-1和GPT-Live-1 mini有什么区别？
A：GPT-Live-1是功能更强大的版本，仅向付费用户开放；GPT-Live-1 mini则作为默认语音模式面向所有ChatGPT用户提供。两者都采用全双工架构，支持同时说话和听取，但GPT-Live-1在智能水平和处理复杂任务方面更具优势。
Q2：ChatGPT新语音模式支持实时翻译吗？效果怎么样？
A：新语音模式支持实时翻译功能。不过在发布会演示中，印地语翻译效果并不理想，助手带有浓重的美式口音，语气也偏书面化，听起来不够自然。OpenAI表示新模式已针对"大多数口语语言"优化，但未明确说明具体支持哪些语言，整体翻译质量仍有提升空间。
Q3：OpenAI有没有计划推出AI耳机等硬件产品？
A：此前有报道称OpenAI今年可能发布一款具备AI能力的耳机产品，但在本次发布会上，OpenAI并未提供任何硬件产品的相关信息。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
