OpenAI于9日宣布，已为ChatGPT Voice上线新语音模型“GPT-Live”，以提升实时语音交互体验。此次更新的重点在于，模型能够在对话过程中持续处理语音并实时理解上下文，从而减少打断感、缩短响应时延；与此同时，实时通译能力也一并增强。
在传统语音AI流程中，系统通常需要先将用户语音转写为文本，再由大语言模型生成回复，最后再以语音形式播报。由于这一路径往往要先判断用户是否已经说完，实际使用中容易出现对话被打断，或回复跟不上交流节奏的问题。
据OpenAI介绍，GPT-Live可在用户说话时持续处理语音，并同步跟踪对话上下文。这意味着，模型无需等到发言完全结束后再开始理解和准备回答。即使用户中途停顿后继续发问，系统也能保持对话连贯，并提前组织答案，以加快整体响应速度。
OpenAI还表示，在ChatGPT Voice的设计中，语音对话能力与推理能力被分开处理。当用户提出需要补充信息的问题，或触发处理时间较长的任务时，AI可以在不中断当前对话的情况下继续推进任务，并在答案准备完成后自然接入对话。
除语音交互本身外，ChatGPT Voice的实时通译功能也已升级。此前，该功能需要在发言结束后按顺序进行翻译；更新后，系统可持续处理语音，并随着对话进行实时输出译文。OpenAI称，这一能力可应用于不同语言用户之间的会议、旅行、教育及客户服务等场景。
OpenAI表示，接下来计划将GPT-Live的架构扩展至更多后端模型、更多输入与输出方式，以及更多API应用场景，并推动把原本依赖文本或由AI智能体完成的任务，进一步纳入语音对话体系中。
记者信息
Seulgi Son
sageson@d-today.co.kr