OpenAI 推出 GPT-Live 全新語音模式：支援全雙工對話與 CarPlay，全面取代舊版 ChatGPT 語音
OpenAI 於 2026 年 7 月正式推出全新 GPT-Live 語音模型，標誌住 AI 語音技術進入全雙工時代。新系統容許用戶與 ChatGPT 邊聽邊講，徹底解決舊版需要等待對方發言完畢先可以回應嘅限制。GPT-Live 更結合 GPT-5.5 處理複雜搜尋及即時翻譯，並深度整合 Apple CarPlay，為香港及各地華人用戶帶來更自然、高效嘅 AI 互動體驗。
ChatGPT 語音功能迎來重大升級
OpenAI 於 2026 年 7 月 8 日宣佈，正式推出名為 GPT-Live 嘅新一代語音模型系列，當中包括 GPT-Live-1 以及體積較細嘅 GPT-Live-1 mini。今次更新主要針對 ChatGPT 嘅語音對話體驗進行徹底重構，旨在令 AI 與人類之間嘅交流更加貼近真實對話。
OpenAI 於 2026 年 7 月 8 日宣佈，正式推出名為 GPT-Live 嘅新一代語音模型系列，當中包括 GPT-Live-1 以及體積較細嘅 GPT-Live-1 mini。
回顧 2024 年夏季，OpenAI 曾經推出進階語音模式（Advanced Voice Mode），當時已經比傳統語音助理（如 Siri 或 Alexa）帶來明顯進步。不過，隨住用戶深入使用，舊系統嘅局限性逐漸浮現。舊版系統依賴「輪次式」（Turn-based）設計，模型必須等待用戶完全停止說話，先能夠開始處理並生成回應。呢種機制經常導致對話生硬，甚至因為用戶短暫停頓或者背景噪音，而被系統誤以為發言完結，造成尷尬嘅打斷。全新推出嘅 GPT-Live 正正係為了解決上述痛點而誕生。
今次更新主要針對 ChatGPT 嘅語音對話體驗進行徹底重構，旨在令 AI 與人類之間嘅交流更加貼近真實對話。
GPT-Live 核心功能與技術突破
全雙工架構：真正實現「邊聽邊講」
GPT-Live 最核心嘅技術升級，在於採用咗「全雙工」（Full-duplex）架構。有別於以往如同對講機般單向輪流發言嘅模式，全雙工架構容許系統同時處理輸入資訊及生成輸出內容。即係話，模型每秒能夠作出多次互動決策，決定應該繼續說話、保持聆聽、暫停，抑或調用其他工具。
喺實際操作上，用戶而家可以隨時打斷 ChatGPT 嘅發言，或者要求系統減慢語速。當用戶發言或者停頓思考時，GPT-Live 會運用「嗯嗯」、「明白」或「對」等簡短語句作為回應，表示系統正在留心聆聽。呢種連續互動模式，大幅減少咗以往對話中出現嘅不自然空白時間。
智能分工：結合 GPT-5.5 處理複雜任務
GPT-Live 係 OpenAI 至今最智能嘅語音模型，但佢嘅強大之處亦在於懂得「委派工作」。當系統判斷用戶嘅問題需要進行深度推理、網絡搜尋或者執行複雜指令時，GPT-Live 會自動將呢啲任務交畀背景運作嘅前沿模型（目前為 GPT-5.5）處理。
喺等待搜尋或推理結果期間，GPT-Live 依然可以繼續同用戶保持對話，避免出現漫長而尷尬嘅靜默。當背景任務完成後，系統會將結果自然地融入對話之中。呢種分工機制確保咗語音互動嘅流暢度，同時無損 AI 處理複雜問題嘅能力。
即時視覺輔助與多語言翻譯
除了語音上嘅進步，GPT-Live 亦引入咗視覺輔助功能。當用戶詢問有關天氣、股票報價、體育賽事比分等資訊時，ChatGPT 介面會即時生成豐富嘅視覺卡片（Visual Cards），提供一目了然嘅數據。
另外，全雙工架構令即時翻譯變得更加實用。系統毋須再等待用戶講完一整句說話先開始翻譯，而係可以做到邊聽邊譯，大幅提升跨語言溝通嘅效率。
舊版進階語音模式與 GPT-Live 嘅詳細比較
為咗更清晰說明今次升級嘅實際差異，以下係舊版進階語音模式與全新 GPT-Live 嘅功能比較：
| 比較項目 | 舊版進階語音模式 (2024) | 全新 GPT-Live 模式 (2026) |
|---|---|---|
| 對話架構 | 輪次式（半雙工），需等待用戶講完 | 全雙工，支援同時聆聽與說話 |
| 打斷機制 | 困難，容易因停頓而誤判發言結束 | 隨時可打斷，系統能理解用戶停頓思考 |
| 聆聽反饋 | 無 | 具備「嗯嗯」、「明白」等自然語氣回應 |
| 背景雜音處理 | 容易受到干擾而中斷 | 提升專注力，降低背景噪音干擾 |
| 複雜任務處理 | 依賴單一模型，處理需時較長 | 委派 GPT-5.5 等模型於背景處理，維持對話 |
| 視覺輔助卡片 | 不支援 | 支援（如天氣、股票、體育資訊） |
| 即時翻譯 | 需等待發言完結後翻譯 | 支援邊聽邊譯 |
(註：根據 OpenAI 內部測試，GPT-Live-1 在 GPQA 科學推理及 BrowseComp 網絡搜尋測試中，表現均顯著優於舊版進階語音模式。)
實際應用場景分析
GPT-Live 嘅升級對於日常實用場景有廣泛影響，特別針對香港、台灣、新加坡等華人地區嘅用戶，以下係幾個具體嘅應用分析：
駕駛人士嘅福音：Apple CarPlay 深度整合
對於經常需要揸車嘅香港或台灣用戶而言，語音助理嘅準確度與反應速度直接影響駕駛安全。GPT-Live 深度整合咗 Apple CarPlay。根據科技媒體嘅實測，用戶可以向系統發出類似「我會按順序背出英文字母，去到第十個字母時請打斷我」嘅複雜指令，系統能夠準確執行。呢種高階嘅聆聽與中斷能力，令駕駛者喺毋須分散視線嘅情況下，能夠更可靠地透過語音處理日程、搜尋導航資訊或回覆訊息，實用性遠超現有嘅車載語音系統。
職場與跨國交流：即時翻譯與資料搜集
香港同新加坡作為國際商業樞紐，職場上經常需要處理多國語言。GPT-Live 嘅即時翻譯功能，配合其全雙工特性，令外語會議或跨國交流變得更加順暢。用戶可以要求系統在背景進行資料搜集（例如搜尋競爭對手嘅最新財報），同時繼續討論策略。系統整理好資料後，會以自然嘅語音匯報重點。
需要留意嘅係，OpenAI 表示目前已經針對 ChatGPT 中最受歡迎嘅語言優化 GPT-Live，但喺部分語言或方言中，初期可能會帶有非母語口音或流暢度稍遜嘅情況，官方正積極改善跨語言體驗。香港用戶在使用廣東話對話時，可能仍需觀察系統初期嘅發音表現。
安全機制與家長控制
隨住語音 AI 變得越來越似真人，潛在嘅安全與道德風險亦隨之增加。OpenAI 針對 GPT-Live 實施咗一系列預設安全措施：
- 即時防護機制：由於對話係即時進行，當系統偵測到潛在不安全嘅輸出或用戶意圖時，會即時引導模型提供安全回應、顯示額外安全資源，甚至喺高風險情況下主動結束語音對話。
- 家長控制與危機通報：針對青少年用戶，家長可透過新引入嘅家長控制功能，限制子女使用 ChatGPT 語音。如果系統偵測到青少年試圖將話題引導至自殘或自殺等高風險範疇，系統除了提供專家審核嘅危機支援熱線外，亦會向已連結嘅家長帳戶發出通知。
- 防止情感依賴與聲音仿冒：為防止用戶對 AI 產生過度情感依賴，OpenAI 引入咗長期監察機制。此外，GPT-Live 只會使用 ChatGPT 內置嘅九種預設聲音（已為新系統重新調校），並設有嚴格防護措施，防止系統被用作模仿真人聲音。
訂閱方案與推出時間表
GPT-Live 目前已經開始向全球 ChatGPT 用戶陸續推出，支援 iOS、Android 應用程式以及網頁版，未來亦會開放 API 畀開發人員使用。
不同級別嘅用戶將會獲分配不同嘅模型：
- 付費用戶（包括 Go、Plus 及 Pro 訂閱計劃）：預設使用完整版嘅 GPT-Live-1 模型。
- 免費版用戶：預設使用體積較細、運算資源需求較低嘅 GPT-Live-1 mini 模型。
用戶只需喺支援嘅應用程式中點擊「語音」按鈕，即可體驗新功能。另外，用戶可以按需要調整系統嘅推理強度（即時、中、高），以平衡回應速度與思考深度。不過，目前 GPT-Live 喺推出初期尚未支援配合視像或螢幕分享使用，用戶如需使用相關功能，暫時仍需切換回舊版 ChatGPT 語音模式。
總結：AI 語音互動技術嘅務實發展
今次 OpenAI 推出 GPT-Live，並非單純提升語音合成嘅像真度，而係從底層架構上解決咗人類與機器溝通嘅節奏問題。全雙工架構加上後台模型嘅智能分工，令 ChatGPT 能夠真正勝任複雜環境下嘅語音助理角色。無論係配合 CarPlay 提升駕駛時嘅操作效率，抑或協助職場人士進行即時資料搜集及翻譯，GPT-Live 都展現出極高嘅實用價值。各界可以持續觀察呢項技術未來喺不同行業及多語言環境下嘅實際表現與優化進度。
