ChatGPT語音大升級,奧特曼:既神奇也真實

2026-07-08 | 來源: 愛范兒 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

更換模型後，性能的提升也是顯而易見的，在官方公布的盲測中，測試者與不同模型進行了 5 到 10 分鍾的連續對話，結果 GPT-Live-1 以 75.7% 的偏好率碾壓上一代高級語音模式。

就連縮水版的 GPT-Live-1 mini 也拿下了 69.2%。在滿分 7 分的“對話流暢度”評分上，GPT-Live-1 拿到 4.96 分，而高級語音模式只有 3.80 分。

而在硬核數據上，差距更加懸殊：

GPQA（專家級物理化學生物推理）：GPT-Live-1 在高強度推理檔位下拿到 84.2% 的准確率，幾乎是高級語音模式（45.3%）的兩倍。

BrowseComp（復雜網頁搜索與 Agent 能力）：這是最誇張的一項。高級語音模式的准確率只有可憐的 0.7%，而 GPT-Live-1 最高沖到了 75.2%，直接從“不可用”跨越到了“能幹活”。

內部 Telecom 測試（多輪擬真電信客服支持）：GPT-Live-1 在任務成功率上同樣全面領先，展示了它作為語音 Agent 處理真實業務的潛力。

這種前後台分離的架構，不僅解決了“延遲”與“深度”的矛盾，更讓開發者聞到了巨大的商機。OpenAI 表示 API 版本即將推出，開發者和企業現在已經可以填表登記，第一時間獲取上線通知。

語音不再只是聽覺，更是全新的 OS

除了聽覺上的進化，GPT-Live 還推出了視覺卡片。

純語音輸出往往是低效的。現在，當你和 GPT-Live 聊天時，遇到適合視覺展示的信息，它會在屏幕上直接彈出豐富的視覺卡片。

語音不再僅僅是一種輸入方式，它正在成為統領搜索、記憶、圖像識別和文件處理的超級入口。

OpenAI 自己也毫不掩飾這個野心：官方原話是，這項研究將逐步解鎖用語音完成更復雜、更長時程、更具 Agent 屬性的工作。今天它幫你查天氣，明天它可能就在替你打電話辦業務。

幹掉聊天框時代,ChatGPT不只回答,還要辦事

她大學畢業獲5家大公司聘用通知全靠ChatGPT

斯坦福AI時代:我的同學,ChatGPT

不過，越像人的 AI，帶來的風險也越大。

在官方的系統卡（System Card）中，OpenAI 花了大量篇幅講述 GPT-Live 的安全性。因為語音的實時性太強了，傳統的“事後屏蔽”根本來不及。

為此，OpenAI 引入了全新的“原生音頻評估”和“合成數據評估”，專門針對有害的進行了紅藍對抗。一旦檢測到模型正在輸出危險言論，系統可以立刻“把話頭帶偏”轉向安全回復，或者在極高風險下直接切斷語音，並為你推送經過專家審核的危機幹預熱線。

此外，針對未成年人，系統內置了家長控制功能（Parental Controls），並在模型底層注入了“適齡行為規范”。

至於很多人擔心的“聲音克隆詐騙”，OpenAI 明確表示：GPT-Live 被嚴格限制為只能使用預設音色，絕不提供模仿真人聲音的功能。

更有意思的是，OpenAI 專門建立了一個長期監管機制，用來研究“情感依賴”。畢竟正如《Her》一般，當一個 AI 的聲音如此真實，甚至懂得在你難過時用溫柔的“嗯嗯”來回應你時，人類不可避免地會對其產生情感投射。

目前，GPT-Live 已經開始向全球 iOS、Android 和 Web 端用戶推送。Go、Plus 和 Pro 付費用戶將默認使用滿血版 GPT-Live-1，而免費用戶也將體驗到 GPT-Live-1 mini 版本。（注意：首發暫不支持屏幕共享和視頻對話，需切回老版本使用）。

還有一個小提醒：GPT-Live 目前只針對 ChatGPT 上最熱門的幾種語言做了優化，某些語言下它可能會帶著一股“外國口音”，甚至偶爾詞不達意。OpenAI 表示正在加緊補課。

回望過去幾年，我們對 AI 的期待一直在發生變化。

最初，我們只希望它能聽懂指令，別總是答非所問；後來，我們希望它能幫我們寫代碼、做報表，成為全能的生產力工具。

但今天，當 GPT-Live 真真切切地在你耳邊，用略帶停頓的語氣發出一聲“嗯，我聽著呢”的時候，你會突然意識到：

比起一個無所不能的神，我們可能更需要的，是一個永遠不會不耐煩、永遠願意傾聽、並且真的懂你在說什麼的“人”。技術狂奔的盡頭，終究還是回歸到了人性的慰藉。