OpenAI 揭 GPT-Live 語音架構：邊聽邊說、難題丟背景模型
分享
OpenAI 近日公開了新一代語音技術 GPT-Live 的架構細節，重點在一個過去語音助理難以做到的能力：邊聽邊說。根據 OpenAI 官方說明，GPT-Live 採用「全雙工（full-duplex）」架構，能在你還在說話時就插入「嗯哼」「好」這類即時回應，也能在你自然停頓時接話、在被打斷時不會整段崩掉，讓對話更接近真人。
快路徑負責對話，複雜任務丟給背景模型
要在 ChatGPT 的規模上做到即時，OpenAI 從客戶端到模型重寫了整個語音堆疊。它的設計是讓語音走一條專屬的「快路徑」即時回應，而需要網路搜尋、深度推理或代理操作的複雜任務，則交給背景一個更強的前沿模型（發表時為 4 月推出的 GPT-5.5）非同步處理，主模型則繼續跟你對話，不必卡住等結果。OpenAI 也大幅縮短了語音會話的啟動延遲。
盲測偏好度勝過原本的進階語音模式
在 5 到 10 分鐘對話的人類盲測中，OpenAI 表示 GPT-Live-1 相對於原本的進階語音模式（Advanced Voice Mode）獲得約 75.7% 的偏好率，較輕量的 GPT-Live-1 mini 也有約 69.2%。GPT-Live 本身已於 7 月上線，這次公開的是它背後的架構如何運作，也點出語音互動正從「一問一答」往「能自然來回」的方向走。
廣告 - 內文未完請往下捲動
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
