OpenAI 押注语音将成为 AI 的主要交互界面，并推出新模型 — GPT-Live-1 让对话更自然

一句话总结

OpenAI 为 ChatGPT 推出新一代语音模型 GPT-Live-1 + GPT-Live-1 mini，允许自然打断与停顿，让对话更像真人；查询路由到 OpenAI 最新前沿文本模型，绕过”语音不如文本”限制；可边听边说、有助语言翻译；产品负责人 Atty Eleti 称”语音将成为使用电脑的主要方式”。成本端推理降到位，本周三起向免费用户开放。数据安全：音频保留 30 天维持上下文，用户可随时删除导出；默认关闭训练用用户数据，需主动同意才用。OpenAI 同时在硬件布局，预示可能推主要靠语音交互的设备。

---

一、模型能力

OpenAI 目前最智能的语音模型：GPT-Live-1 + GPT-Live-1 mini。

能力	详情
自然打断	用户说话时停顿/换气不会被模型打断
双向流畅	可边听边说
路由到前沿文本模型	把查询交给 OpenAI 最新最强文本模型处理
语言翻译	助手能力可延伸到跨语言实时翻译
长期 agent	用于”管理日益复杂、长期运行的智能体工作”

解决了用户长期面临的一个限制——过去语音路径通常路由到较弱的模型，所以”语音不如文本”。这次模型升级让语音链路也用上前沿能力。

---

二、产品愿景

ChatGPT 语音功能的产品负责人 Atty Eleti：

“这才刚开始。随着时间推移，我们认为这还将让语音在某种程度上成为使用电脑的主要方式。”

语音未来用途：

• 与 AI 对话的主要方式
• 管理日益复杂、长期运行的 agent 工作

---

三、成本与发布

维度	数据
历史成本	用语音和 AI 交互通常更贵、更费 token
当前定价	推理成本已降得足够低，语音功能经济上跑得通
发布	本周三起向免费用户上线

---

四、硬件前瞻

OpenAI 正在硬件布局，对语音的重视可能预示着未来打算推一款主要靠语音来交互的设备。

在关于语音模型的记者电话会上，OpenAI 表示”没有与硬件相关的消息要分享”——既不否认也不确认。

---

五、数据与隐私

维度	策略
音频保留	30 天（维持上下文和记忆）
用户控制	可随时删除 + 导出数据
训练用数据	默认关闭，需主动同意

---

六、对 Sam 的 3 点启示

1. 语音是 AI 交互的新前沿 — OpenAI 把语音链路路由到前沿文本模型，等于把”语音”从”降级版文本”变成”另一通道的完整版”。Sam 设计 Hermes Agent 时，语音输入（如手机 Siri、校园语音工单）应当路由到强模型而非 M2.7-highspeed
2. 语音成本已降到位 → 免费开放 → 这是 AI 应用全面铺开的关键时点。Hermes Agent 可考虑”语音输入 + 文字输出”模式，给校园 IT 一个”听写派工单”入口
3. OpenAI 押语音 = 押硬件入口。Sam 的 Hermes Agent + Hermes Skill Marketplace 如果有”语音 skill”作为入口，会显著拉高市场份额

---

来源

• 网易新闻（智慧生活笔记）原文
• OpenAI 官方
• Atty Eleti（ChatGPT 语音产品负责人）表态

配图