OpenAI 发布新语音模型，实现更自然的实时对话

# OpenAI 发布全新语音模型，实现更自然的实时对话 | TechCrunch 来源：https://techcrunch.com/2026/07/08/openai-releases-new-voice-models-for-more-natural-live-conversations/ OpenAI 今日发布了两款全新对话模型，分别命名为 GPT-Live-1 和 GPT-Live-1 mini，声称其语音更加自然，并能更好地处理轮流发言。这两款模型属于全双工模型，这意味着它们可以同时说话和聆听，让用户能够自然地打断对话，并支持实时翻译等功能。 同时，该公司也将 ChatGPT 中目前的“高级语音模式”默认替换为 GPT-Live-1 mini。付费套餐用户将能够使用更大的 GPT-Live-1 模型。此前的模型需要将语音转文本模型、大语言模型和文本转语音模型串联使用，分别完成转录语音、生成回复和输出最终答案的任务。 OpenAI 在新闻发布会上表示，新模型解决了用户在说话时被中断、以及模型智能不足无法回答问题的痛点。新模型会将查询发送至 GPT-5.5 等最新文本模型，以获取搜索、推理或代理能力，同时保持对话流畅进行。 OpenAI 还演示了该模型能够长时间保持沉默，在未被调用之前持续吸收对话上下文。此外，由于新版语音模式能够调用更新的 GPT 模型，它还可以用视觉形式呈现某些信息。其他初创公司如 Monogram（从 DST 和 Lux Capital 获得 4000 万美元种子轮融资，https://x.com/erenbali/status/2074502671600672930）也在向视觉回应方向发展，让助手更具互动性。 该公司表示，ChatGPT 的新版语音模式旨在支持更长时间的对话。在发布会上，ChatGPT 语音产品负责人 Atty Eleti 提到，他在散步时曾与该语音功能进行了长达 30 到 40 分钟的对话。 OpenAI 认为，语音可能成为复杂工作中与计算设备交互的主要界面。有报道称，该公司可能会在今年推出内置 AI 功能的耳机（https://techcrunch.com/2026/01/21/openai-aims-to-ship-its-first-device-in-2026-and-it-could-be-earbuds/），不过本次发布会并未透露任何硬件产品信息。 “随着时间的推移，我们认为这将解锁语音作为计算主要界面的能力，用来管理日益复杂、长时间的代理工作。我们看到人们使用 Codex 和 ChatGPT 完成的各种令人惊叹的用例，而语音可以成为未来工作中所有类型任务的界面。”Eleti 表示。 过去几年，OpenAI 一直在努力强化基于语音的功能（https://techcrunch.com/2024/09/24/openai-rolls-out-advanced-voice-mode-with-more-voices-and-a-new-look/）（https://techcrunch.com/2023/09/25/openai-chatgpt-voice/），使 ChatGPT 的语音模式听起来更加自然。该公司称，已有超过 1.5 亿用户通过语音和听写等功能与 ChatGPT 对话。 竞争对手也在尝试让语音助手更具表现力。 苹果（https://techcrunch.com/2026/07/06/you-can-now-customize-siris-pace-and-expressivity-in-the-latest-ios-27-beta/）和亚马逊（https://techcrunch.com/2026/02/04/alexa-amazons-ai-assistant-is-now-available-to-everyone-in-the-u-s/）都已更新其助手，使其对话更自然、上下文处理更出色。初创公司如 Sesame（由 Oculus 联合创始人 Brendan Iribe 和 Ankit Kumar 创立，https://techcrunch.com/2026/05/28/sesame-the-conversational-ai-startup-from-oculus-founders-launches-its-ios-app/）也推出了 AI 助手，可以在后台完成任务的同时进行更自然的对话。 OpenAI 正朝着同一方向前进，旨在让用户能够长时间免提与助手交谈。尽管声称新版语音模式听起来更自然，但该公司强调，其目标并非打造一款 AI 伴侣。它指出，新模型内置了安全机制，可以对青少年给出适龄回复，并在对话涉及自残等话题时提供相关资源。 新版语音模式仍有待改进。在演示中，当公司展示印地语实时翻译功能时，助手的口音带有浓重的美式腔调，且语法略显书面化，听起来不够自然。公司表示，新模式针对“大多数常用语言”进行了优化，但未具体说明是哪些语言。 *当您通过我们文章中的链接购买商品时，我们可能会获得少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。* Ivan 在 TechCrunch 负责报道全球消费科技动态。他常驻印度，曾任职于赫芬顿邮报和 The Next Web 等媒体。 您可以通过电子邮件 [email protected] 或 Signal 加密消息（ivan.42）联系或验证 Ivan 的向外联络。 查看作者简介（https://techcrunch.com/author/ivan-mehta/）