OpenAI 在 2026 年 7 月 8 日發布 GPT-Live，並把它定位為新一代語音模型，用來支撐 ChatGPT Voice。GPT-Live-1 會成為付費使用者的預設語音模型，GPT-Live-1 mini 則給免費使用者。
這次更新的重點不是把文字模型念出來，而是讓 AI 在語音互動裡更像真人對話。OpenAI 的 system card 說，GPT-Live-1 和 GPT-Live-1 mini 是 full-duplex models，可以連續聽和回應，不必等使用者把一個完整回合講完。
GPT-Live-1 讓 ChatGPT Voice 可以處理停頓與打斷
傳統語音助理常見問題是太早插話、聽不懂停頓，或必須等使用者完全講完才回覆。GPT-Live 的設計方向是讓模型能跟著語速、停頓和插話調整，在當下決定要回應還是繼續聽。
這對語音 AI 的實用性很重要。人類講話本來就不是整齊的文字輸入，會停頓、改口、插話、補充條件。若模型只能等待清楚的回合結束，語音互動就容易變成慢速客服系統，而不是自然協作介面。
OpenAI 把語音模型和高能力模型分工
OpenAI 在安全資料中提到，GPT-Live 模型可以把較複雜工作交給其他模型處理。這代表語音層負責即時互動、聽說節奏與對話控制，深度推理或工具工作則可能由更高能力的文字或多模態模型承接。
這種分工會影響未來 AI 產品設計。語音模型不一定要自己完成所有計算，它更像前台互動層：先理解使用者正在說什麼、判斷何時回應，再把需要推理、查詢或工具操作的任務交給背後模型。
語音安全機制比文字聊天多一層即時控制
GPT-Live system card 特別說明，OpenAI 為語音情境加入系統級安全整合。當輸入或輸出可能出現風險時，系統可在對話進行中檢查、引導或中斷回應，也可能播放語音安全訊息、提供文字支援資源，或在較高風險情況下結束語音對話。
這和文字聊天不同。語音對話速度更快、情緒訊號更直接，也更容易在沒有停頓的情況下持續推進。OpenAI 因此把自傷、情緒依賴、詐騙、冒充和聲音擾動等場景放進 red teaming。
ChatGPT Voice 可能成為 AI 助理的主要入口
GPT-Live 的意義在於介面。當語音可以被打斷、能等人講完、能把複雜任務交給其他模型，ChatGPT 就不只是文字框，而是更接近工作中的即時助理。
短期內，這會影響行動裝置、桌面工作流和無法長時間打字的場景。中期則要看 OpenAI 能否把語音、工具、記憶、搜尋和企業資料權限整合得穩定。語音越自然，使用者越可能把更長、更敏感的工作交給它，安全與權限控管也會跟著變重要。
消息來源：OpenAI GPT-Live、OpenAI GPT-Live System Card、OpenAI ChatGPT Release Notes。
