OpenAI发布全新语音模型，ChatGPT实现全双工实时对话

OpenAI于7月8日正式发布新一代语音模型，让ChatGPT的语音对话能力迈出了关键一步。新模型最大的突破在于实现了全双工通信——AI可以同时听和说，不再需要等待用户停顿才能回应，这使得实时翻译和自然对话成为可能。

据TechCrunch报道，OpenAI在媒体简报会上表示，新模型解决了两大痛点：一是在用户还在说话时打断对方，二是语音模式智能程度不足、无法准确理解复杂问题。新模型能够长时间保持静默，吸收对话上下文，直到被点名时才参与回应。

OpenAI正在用GPT-Live-1 mini取代ChatGPT中现有的高级语音模式作为默认选项。付费订阅用户将可以访问更大参数规模的GPT-Live-1完整版本。新的语音模式被设计支持更长时间的对话——ChatGPT Voice产品负责人Atty Eleti透露，他自己曾与新版语音模式进行过30到40分钟的连续对话。

OpenAI认为，语音有潜力成为计算的主要交互界面，特别是对于日益复杂的长期代理任务。该公司表示，已有超过1.5亿用户通过语音与ChatGPT互动，新模型将进一步推动这一趋势。

不过，新语音模式仍有改进空间。在演示环节中，当展示印地语实时翻译功能时，AI助手的口音带有浓重的美式英语腔调，印地语发音也不够自然，显示出跨语言真实感仍有待提升。

行业竞争也在加速。苹果和亚马逊近期都升级了各自语音助手的对话能力，Oculus联合创始人Brendan Iribe参与创立的Sesame等初创公司也推出了更具表现力的语音AI产品。OpenAI此次发布的语音模型正是在这一激烈竞争背景下，试图通过全双工能力和更强的上下文理解建立差异化优势。