OpenAI 於 7 月 9 日正式推出全雙工（Full-duplex）語音模型 GPT-Live-1 和 GPT-Live-1 mini，即日起在 iOS、Android 及 ChatGPT.com 全球上線，取代舊版 Advanced Voice Mode。
GPT-Live-1 與 GPT-Live-1 mini 上線規格：付費用戶、免費用戶與 API 候補安排
根據 OpenAI 的公告，GPT-Live 的兩款模型適用範圍如下：GPT-Live-1 為 Go、Plus、Pro 付費方案用戶的預設語音模型；GPT-Live-1 mini 服務免費用戶；API 方面，開發者目前在候補等候名單，尚未開放。
兩款模型均即時在 iOS、Android 及 ChatGPT.com 全球上線，為 ChatGPT 語音技術兩年內的第三次改版，也是 OpenAI 最明確的一次定位聲明：語音將成為人與 AI 對話的主介面，而非文字聊天機器人的附加功能。
全雙工架構原理：舊版 Advanced Voice Mode 靜默輪次問題與 GPT-Live 的解法
根據 OpenAI 在研究部落格的說明，舊版 Advanced Voice Mode 的核心問題在於靠靜默判斷輪次——短暫停頓或背景雜音可能被誤認為使用者說完，導致模型在不自然的時機插話；這種「走馬燈式輪流」使對話每次只能一人開口，體驗不自然。
GPT-Live 採用全雙工架構，模型在持續處理輸入的同時生成輸出，每秒能做多次互動決策，判斷何時開口、繼續聽、暫停、打斷或呼叫工具，使對話更接近真實的人際交流模式。
語音層與推理層分離設計：GPT-5.5 委派、三段推理層級與新增功能
GPT-Live 的關鍵設計為「語音互動層」與「推理層」的模組化分離：簡單問題由 GPT-Live 直接處理；複雜問題（如查網路、深度推理或多步驟任務）委派給後台運行的 GPT-5.5，運算進行中仍持續對話，不出現舊管線的數秒停頓空白。
此模組化設計的好處為升級推理智慧時無需重新訓練語音模型，企業和開發者可將語音代理接入資料庫、搜尋、多步驟任務。新版同步推出的功能包括：
三段推理層級：Instant（即時）、Medium（中等）、High（複雜），用戶自選速度與深度的平衡點
即時視覺卡片：對話中自動浮現天氣、股價、體育比分、地圖等資訊卡片
九種對話聲音：重製聲音強調「為對話設計，不是聲音模仿」，並加入防止模擬人聲音的防護機制
常見問題
GPT-Live-1 與 GPT-Live-1 mini 的使用方案差異是什麼？
根據 OpenAI 公告，GPT-Live-1 為 Go、Plus、Pro 付費方案用戶的預設語音模型；GPT-Live-1 mini 服務免費用戶；API 對開發者開放候補等候；兩款模型均即時在 iOS、Android 及 ChatGPT.com 全球可用。
GPT-Live 如何處理複雜問題，與舊版 Advanced Voice Mode 的差異是什麼？
根據 OpenAI 的設計說明，GPT-Live 採用語音互動層與推理層分離的模組化架構；複雜任務委派給後台的 GPT-5.5 處理，語音層在運算期間持續對話，不出現舊版的數秒停頓空白。舊版 Advanced Voice Mode 靠靜默判斷輪次，容易誤判插話時機，GPT-Live 改為全雙工架構，可同時持續處理輸入並生成輸出。
GPT-Live 新版聲音設計為何強調「防止模擬人聲音」？
根據報道，此設計與 2024 年 5 月 GPT-4o 發表時的聲音「Sky」事件有關：外界認為該聲音神似演員 Scarlett Johansson，而她本人曾拒絕 Sam Altman 的配音邀約，事後形容自己震驚並憤怒；OpenAI 當時撤下該聲音並道歉。此次九種新聲音強調「為對話設計，不是聲音模仿」，並加入技術層面的防止模擬人聲音防護機制。
