ChatGPT 实时视频语音悄悄切回 GPT-4o,官方几乎未公开说明

RileyRalmuto · x · 2026-10-21

博主 RileyRalmuto 发现一个鲜为人知的细节：在 ChatGPT 中使用实时视频（Live Video）语音时，系统会切换到 GPT-4o 模型；若把主语音模型设为 Advanced（AVM），底层同样是 4o。截图显示 App 会弹窗提示「需切换语音模型才能使用 Live Video」，模型自述其为「当前的、最新的 GPT-4o」。作者分析称，除非 OpenAI 有未发布的秘密 omni 模型，4o 仍是其唯一真正端到端、在声音/视觉/语言信号上联合训练的全模态模型——它并非先转写语音再读文本，而是真正「听见」你。该细节在官方文档中几乎未被明确承认，只能通过开启语音聊天并点击 Live Video 接受模型切换才能用到。