GPT-Live发布：同声传译功能亮相，语音交互迈入全双工时代

事件概述

OpenAI于2026年7月8日发布GPT-Live，这是一次语音交互的重磅升级。新功能可让用户在说话过程中实时被翻译，并实现边说边听的连续对话，极大降低延迟。官方演示中，用户随时插话、停顿思考都不会打断AI的流畅回应。

核心信息

• 全双工架构：模型能在生成输出的同时持续处理输入，实现一秒内多次判断互动策略，天然支持实时翻译等低延迟场景。
• 深度任务委托：前台语音交互保持轻量，复杂任务（如深度推理、联网搜索）委托给GPT-5.5在后台处理，对话不中断。
• 三大改进：
  1. 更自然的对话：支持随时插话、减弱背景噪音干扰，模型会发出“嗯、对”等简短回应，让用户感知被倾听。
  2. 更聪明的回答：接入GPT-5.5，提供自定义推理强度（Instant/Medium/High），即时响应或深度思考可自由切换。
  3. 可视化对话：语音交互中可实时弹出天气、股票、体育赛事等可视化卡片，无需返回文字界面。
• 能力扩展：语音通话全面支持联网搜索、记忆功能、图片识别和文件上传，语音不再是“阉割模式”，而是ChatGPT全套能力的统一交互入口。
• 基准测试：OpenAI新设人工评测体系，衡量“愉悦感”与“对话丝滑程度”，GPT-Live在拟人化聊天体验上明显优于此前Advanced Voice Mode，且Agentic Search能力提升100倍。

值得关注

• 同声传译等职业面临直接冲击，实时翻译效果远超此前AirPods Pro 3宣传片展示的水平。
• 语音交互从“对机器下指令”转变为“与真人交流”，可能重塑用户使用入口——语音通话按钮或将成为高频功能。
• OpenAI每周已有1.5亿人使用ChatGPT，GPT-Live将进一步推动语音作为主要交互方式的普及。