OpenAI 昨天宣布推出新一代語音模型 GPT-Live，旨在強化 ChatGPT Voice 的即時對話體驗。這項新技術將使 AI 語音助理能更自然地與使用者互動，同時也加劇了人工智慧語音助理市場的競爭。

GPT-Live 的核心功能在於其能同步聆聽與回應，讓 AI 在使用者說話的同時進行理解並即時回話。它能處理對話中的即時打斷，辨識停頓，並適時提供「對啊」、「嗯哼」等簡短的對話提示，以模擬更接近真人互動的流暢感。根據 OpenAI 內部測試結果，GPT-Live 在為時五到十分鐘的對話中，於流暢度、打斷處理和使用者偏好等方面，均優於先前的進階語音模式。

新模型也整合了 OpenAI 廣泛的生態系統。當使用者提出需要網路搜尋或更複雜推理的請求時，GPT-Live 會自動將這些任務轉交給如 GPT-5.5 等更進階的模型處理，再將結果無縫地透過語音介面傳達給使用者。此外，在語音對話期間，系統將開始顯示天氣、股票、體育賽事等視覺卡片，並支援搜尋、記憶、影像生成及檔案上傳等工具。

OpenAI 同時強調 GPT-Live 內建了額外的語音安全措施，包括防止未經授權的語音模仿，以及一套針對敏感對話的處理機制。它會使用一套有限的核准語音集，而非讓使用者直接複製真人的聲音。不過，OpenAI 也坦言，不同語言的表現可能會有所差異，部分語言在口音準確度和流暢度上仍存在進步空間。

GPT-Live 的推出，是 AI 語音助理大戰中的又一重要進展。目前市場上的科技巨頭正競相從純文字聊天機器人轉向更持久、更具對話性的語音助理。其中，Google 正持續擴展其 Gemini 模型的語音功能；亞馬遜（Amazon）則重新架構 Amazon Alexa，使其圍繞生成式 AI 技術；蘋果（Apple）也透過其 Apple Intelligence 平台，致力於將更先進的 AI 功能導入 Siri。此外，像 ElevenLabs 這類專精於 AI 生成語音的新創公司，也於今年 2 月發布了其最先進的文字轉語音模型 Eleven v3，深化在語音代理與對話應用方面的發展。