OpenAI 發表 GPT-Live 語音模型：全雙工架構取代 ChatGPT 語音模式

OpenAI 於 2026 年 7 月 8 日發表全新語音模型家族「GPT-Live-1」，同時推出精簡版「GPT-Live-1 mini」，並宣布將以此取代 ChatGPT 現行的語音模式。這是語音技術路線上一次明確的架構轉向：GPT-Live-1 採用「全雙工」（full-duplex）設計，模型可以在說話的同時持續聆聽使用者輸入，不需要像過去那樣等一方講完、切斷麥克風後另一方才能開口。過去 ChatGPT 的語音互動本質上是接力式流程，即便進階語音模式仍以近似輪流對話（turn-based）運作，使用者插話、打斷、同時發聲時容易出現辨識延遲或卡頓。官方將 GPT-Live-1 定位為「既有語音模式的直接替代品」，而非並行的實驗性功能。

技術意義與同業比較

全雙工語音模型的難點,不在單純的語音辨識或合成技術本身，而在於模型必須即時處理「聆聽」與「表達」兩個資料流的並行競合——什麼時候該搶話、什麼時候該安靜等待、什麼時候使用者的插話只是口頭禪而非真正打斷。這類系統過去多見於學術研究或實驗性語音助理，GPT-Live-1 若真能正式取代 ChatGPT 語音模式，代表 OpenAI 認為其穩定度、延遲與成本已達大規模商用門檻。mini 版同步推出，延續「旗艦版＋輕量版」佈局，讓能力下放到嵌入式裝置或高並發客服等延遲敏感場景。相較於既有語音模式在多人交錯發言時常見的卡頓與搶話失敗，此架構若運作良好，對話節奏將更接近真人通話，也把這項此前多見於語音新創的能力，一次帶進最大規模的消費級應用，對整體賽道形成競爭壓力。

業界關注焦點

從發表方式看,「取代」而非「新增選項」是這次公告的關鍵字，代表現有數億語音使用者的體驗會被直接切換而非自由選用。這種做法一方面加快新架構普及，另一方面也考驗全雙工系統在高噪音、多語言混雜、口音多樣等真實場景下的穩健度，是否出現誤判打斷、搶話錯位等新型態體驗問題，是後續觀察重點。

對管理者的意義

對於仰賴語音客服、電話訂位、門市語音查詢等場景的管理者而言，全雙工語音模型意味著 AI 客服有機會更接近「自然應答、可被隨時打斷追問」的互動品質，值得留意 OpenAI 或第三方是否釋出對應 API 或客服整合方案，作為評估升級既有語音客服系統的參考。