GPT‑Live把語音對話變得更自然與即時，並把複雜搜尋與推理委派給GPT‑5.5以不中斷談話。首發的GPT‑Live‑1與GPT‑Live‑1 mini今天面向全球ChatGPT用戶開放，OpenAI表示API將在後續提供，影片、螢幕分享與完整多語言平權尚未隨首發提供。
GPT‑Live在人工測試中相較ChatGPT Advanced Voice Mode更受偏好，並在自動化基準上展現優勢。對房仲經紀人意義在於：帶看途中的免手持互動、即時翻譯與更穩定的插話/暫停體驗，能把繁雜查詢交給後台模型處理，自己專注對談。
這次 GPT‑Live 對房仲的語音互動有什麼實際提升？
全雙工處理讓你說與它說可同時進行，縮短等待並維持對話流暢。GPT‑Live可在同一時間聆聽與回應，並以「mhmm」「yeah」等回饋維持臨場感；遇到需要網頁搜尋或深度推理的問題，則把任務委派給背景的GPT‑5.5，前台對話不中斷。這種設計特別適合經紀人在移動或噪音環境中進行免手持互動，要求放慢、暫停或插話時系統能即時配合。
更好的傾聽與打斷控制降低了誤判停頓的干擾感。OpenAI指出，新的ChatGPT Voice會承認你的插話，支援中途中斷、暫停與要求放慢，並在嘈雜環境更能專注；九種不同聲線也為GPT‑Live重新製作。語音互動可顯示天氣、股市或運動即時卡片，並延續搜尋、記憶、影像與檔案上傳等能力，讓經紀人在客戶諮詢時快速取得視覺化資訊。
為什麼全雙工與「委派推理」比舊版語音模式更好？
把連續互動與重型推理解耦，讓對話順暢且可即時進深。GPT‑Live以全雙工持續處理音訊，同步決定「繼續聆聽、說話、暫停、打斷或調用工具」；當問題需要搜尋、推理或更高階代理能力時，前台即委派給GPT‑5.5在背景處理，結果備妥再無縫回到對話。這同時保留升級空間，未來可採用更新的前沿模型。
相較級聯與回合式語音，關鍵差異在延遲、自然度與打斷控制。級聯系統把語音轉文字、文字生成、再轉語音，資訊流失與遲滯常見；回合式雖更順，但仍靠「沉默」判定回合，易誤觸。全雙工可多次每秒做決策，帶來更貼近真人的來回節奏。
| Dimension | Cascaded (original ChatGPT Voice) | Turn-based (Advanced Voice Mode) | Full-duplex (GPT-Live) |
|---|---|---|---|
| Pipeline | STT → LLM → TTS, three models | Single model handling audio | Single model, continuous processing |
| Turn handling | Discrete turns | Discrete turns, silence-based | Continuous, decisions many times/sec |
| Listen while speaking | No | No | Yes |
| Backchannels (“mhmm”) | No | No | Yes |
| Latency feel | Slow, stilted, long pauses | Faster, smoother, still rigid | Fast, natural, expressive |
| Interrupt handling | Not supported | Can misfire on pauses/noise | Can pause, interrupt, resume |
| Deeper work | In-line LLM | In-line model | Delegates to GPT-5.5 in background |
評測結果透露了什麼，值得我們調整哪些用法？
人評強烈偏好GPT‑Live‑1與mini，顯示對話舒適度與節奏更好。OpenAI以5–10分鐘配對對談進行新的人類評估，涵蓋整體偏好、輪替、打斷、流暢度與自然度；結果顯示兩款皆優於Advanced Voice Mode。對經紀人意味著更像真人的雙向互動，適合語言練習、帶看引導或現場答疑。
自動化基準亦呈現能力提升，有助處理進階問題與檢索。OpenAI指出，GPT‑Live‑1在GPQA（專家級科學推理）、BrowseComp（代理式網頁搜尋）與τ³‑Voice Telecom（內部變體，多輪電信客服任務）皆優於Advanced Voice Mode。支援工作流的場景（如多輪客服型任務）與移動中研究查詢，能由GPT‑5.5在背景完成，前台維持自然交流。
現在能用到哪些功能，哪些限制與版本差異要注意？
今天起全球ChatGPT用戶即可使用GPT‑Live體驗，API預計稍後推出。OpenAI同時說明，首發不含視訊、螢幕分享與完整多語言平權；語音介面則新增可視卡片顯示天氣、股市與體育資訊，並保留搜尋、記憶、影像及檔案上傳。每週有超過1.5億人使用ChatGPT Voice與聽寫，這些變更將直接影響既有語音工作流程。
不同版本的背景推理層級可依需求取捨即時性與深度。OpenAI表示，GPT‑Live‑1（Instant）與GPT‑Live‑1 mini在背景採用GPT‑5.5 Instant；GPT‑Live‑1 Medium與High則使用GPT‑5.5 Thinking，並分別以中與高推理力度運作。對經紀人而言，可依回應速度、推理需求與裝置情境選擇等級。
- 可用用途範例（OpenAI列舉）：
- 免手持協助：口述料理步驟或路線。
- 語言練習：雙向對話並給予溫和修正。
- 即時翻譯：全雙工節奏支援對談中翻譯。
- 移動研究：通勤時提問，GPT‑5.5在背景搜尋。
- 支援工作流：映射到τ³‑Voice Telecom型多輪任務。
- 視覺查詢：對談中顯示天氣、股市、運動卡片。
資料來源：MarkTechPost — 原文連結
