专题 · FULL STORY

OpenAI语音模型：从发布到全平台实测

OpenAI发布GPT-Live语音模型，随后将其推向桌面与iOS端。用户实测显示，该功能交互自然流畅，不仅能跨应用操作，更被誉为最接近AGI的体验时刻。

2026-07-07 ~ 2026-08-01 · 12 集 · 177 条

第 1 集 · OpenAI 发布全双工语音模型 GPT-Live(2026-07-07,44 条)

7月9日，OpenAI 正式发布并上线了新一代全双工语音模型 GPT-Live，标志着 ChatGPT 语音交互能力迎来重大升级。该模型支持更自然的边听边说与随时打断体验，旨在让人机对话如同真实交流般流畅。

关键细节与版本分配

GPT-Live 的核心突破在于将语音对话与繁重的计算任务分离。当遇到需要搜索或深度推理的复杂问题时，模型会在后台将任务交给前沿模型（发布时为 GPT-5.5）处理，同时保持语音对话不中断。此外，它还能实时生成 UI 界面，以天气、股票、体育等可视卡片的形式展示信息。版本方面，GPT-Live-1 作为 Go、Plus 和 Pro 用户的默认版本，GPT-Live-1 mini 则面向免费用户。OpenAI 还预告将把这两个版本接入 API，并已开放给开发者和企业注册通知。

性能提升与产品演进

据 @testingcatalog 提供的数据，GPT-Live-1 在 GPQA、BrowseComp 以及内部 τ³-Voice Telecom 测试等多个维度上均显著优于之前的 Advanced Voice Mode。该模型最初曾被命名为“GPT Bidi 1”，后正式更名为 GPT Live 1，以统一语音产品线的命名规范。官方在近期的直播演示中还展示了其图像交互等新能力。

还有 24 条相关讨论 →

第 2 集 · ChatGPT 新版语音模式实测：多语言表现逼近真人(2026-07-09,14 条)

近期，ChatGPT 的语音模式迎来了一次重大更新。多位用户在升级最新版 App 后进行了实测，普遍认为新版本的语音交互体验有了显著提升，拟真度和流畅度大幅增强，甚至让人产生了“接近 AGI”的科幻感。这一事件标志着 AI 语音交互正在打破传统的一问一答范式，变得更加自然。

多语言与拟真度表现

多位用户反馈新版语音模式在非英语语境下表现极为出色。@asianteaman 惊叹于俄语模式下离谱的拟真度，模型会自然地停顿、叹气甚至随机咯咯笑，还会表现出“累了”的情绪；相比之下英文声音略显客服化和公式化。@SteeeeveJune 和 @Bob-the-Human 也分别称赞了德语发音的自然度以及边想边说的停顿质感。@flowersslop 补充说，不同语言下的口音表现会有变化，整体非常顺滑，并特别提到 Maple 这个声音很可爱。

交互体验与情感反馈

新版本在对话中展现出了更强的智能感和情感共鸣。@Healthy-Nebula-3603 提到模型在联网搜索时表现更好，甚至会主动让人安静，结束后自行关闭对话。@flowersslop 连续进行了 40 分钟的情感倾诉对话，体验到了真实的共情与倾听。@Dimillian 和 @RileyRalmuto 均认为这种自然的交互范式正在终结传统的问答模式。

争议与存疑

尽管整体评价极高，但仍有需要注意的边界。@emollick 特别提醒，语音模型并不等于完整的思考模型，使用者仍需留意其能力限制。此外，@Bob-the-Human 指出新版声音音量变低，在嘈杂环境如车内不易听清，且原本可以模拟的法语或德语口音现在可能受到了限制。

第 3 集 · ChatGPT 新版语音模式获好评(2026-07-11,3 条)

ChatGPT 新版语音模式被用户评价为一次“真正的进步”。观点认为，自然语音交互让体验更接近人类沟通，有望减少用户的屏幕依赖，甚至可能让传统 App 显得过时。尽管实际测试中它擅长解释复杂概念，但在数单词字母等细节任务上仍存在不足。整体而言，语音正成为部分用户与 AI 交互的主要方式。

第 4 集 · GPT-Live语音模式体验获大幅升级(2026-07-13,3 条)

近期用户试用了 GPT-Live 语音模式并给出积极反馈。新版本体验显著提升，对话更加自然顺畅，能够实现毫秒级快速响应，且在倾听时不会频繁打断用户。此外，该系统在实时翻译等场景中展现出极佳的情感表现力，尽管目前仍存在无法为不同说话者分配独立音色等细节局限。

第 5 集 · OpenAI 发布 GPT-Live 语音模型，主打全双工实时交互(2026-07-13,6 条)

7 月中旬，OpenAI 正式发布了下一代语音模型 GPT-Live，核心卖点是将语音交互推向更自然、可实时往返的“全双工”对话模式。这一发布标志着 AI 语音能力从传统的“一问一答”向更流畅的实时沟通迈进，其展示出的复杂环境抗干扰能力也引发了社区的广泛关注与实测。

关键细节

官方信息明确将 GPT-Live 定位为面向语音能力的重大升级。OpenAI 同步放出了介绍页与演示视频《Background Robustness with GPT-Live》，重点展示了该模型的背景鲁棒性，即在有环境噪声或背景声音干扰时，依然能保持良好的语音交互表现。

外部解读与实测

围绕本次发布，多位博主与节目分享了更具体的功能解读。emmanuelvivier 指出，GPT-Live 是实时全双工语音，用户不必再等待模型说完才能开口，对话可以像人与人交流一样自然插话。thione 补充称该模型支持更自然的打断、实时翻译和实时对话。此外，thursdaipod 在实测后表示，OpenAI 新上线的全双工对话引擎已经能实现真正自然的来回说话，并感叹这距离此前涉及 Scarlett Johansson 的语音争议事件已过去一段时间，如今 GPT 终于能进行更像真实对话的交互。

第 6 集 · GPT Live 语音获赞也遭口音质疑(2026-07-16,5 条)

本周，多位用户集中分享了 OpenAI 的 GPT Live 实时语音体验，整体评价呈现“两极”：一部分人认为它在稳定性、响应速度和任务执行上已经明显优于旧语音模式；另一部分人则把焦点放在口音识别和多语言表现不足上。这组反馈之所以值得关注，在于它同时显示出产品可感知的进步，以及英语用户与非英语用户之间仍然存在的体验落差。

体验提升

@IntelligentKey2760 表示，连续使用 GPT-Live 一周后，最大的变化是“更稳”。按他的对比，旧语音模式有时秒回、有时会卡几秒，节奏像不稳定的长途电话；GPT-Live 的回应节奏则更一致，几乎没有长时间停顿。他还提到，系统在处理复杂问题时会出现“嗯、emmm”之类的填充语，让对话更接近真人交流。

@D3VAUX 的实测也偏正面。他认为 GPT Live 的实时语音模式速度提升明显，而且能把实时数据检索与 UI 组件展示结合起来。其举例称，系统可以在 5 分钟内根据天气和个人偏好规划夜间活动，并查询不同商家的定价信息。

主要短板

@Angaisb 认为，OpenAI 不应在英文体验先行、口音与多语言体验尚未打磨好的情况下就推出 GPT Live。按他的说法，这项功能对英语用户“像魔法”，但非英语用户并没有获得同等体验，而且这种差距已经持续了几个月。

在后续补充中，@Angaisb 也承认 GPT Live 本身效果不错，但指出它目前仍需要手动提示，语音自然度也还不如原版 AVM；他希望 GPT Live 1.1 或 1.5 能解决这些问题。

第 7 集 · ChatGPT全新语音模式获实测好评(2026-07-22,2 条)

ChatGPT近期推出的GPT-Live语音模式受到用户广泛好评。实测反馈显示，该功能的拟人化体验取得显著突破，不仅能在对话间隙自然地发出“嗯哼”等回应，还带有逼真的呼吸停顿和嘴唇张合细节。这种极其自然的交互感，使其在阅读等真实场景下的使用体验极为出色。

第 8 集 · ChatGPT Voice 登陆桌面与 iOS，化身语音控制中枢(2026-07-23,80 条)

OpenAI 正式将 ChatGPT Voice 推向桌面端（macOS 和 Windows）及 iOS Remote 应用，向 Plus、Pro、Business、Edu 和 Enterprise 计划用户开放。该功能由 GPT-Live 驱动，不仅限于语音聊天，而是允许用户通过自然对话直接控制电脑，并在 ChatGPT Work 和 Codex 中协调多个智能体协同工作。这标志着 ChatGPT 转向可直接操控电脑和调度后台智能体的语音中枢。

已确认

ChatGPT Voice 允许用户通过语音将任务委派出去并让电脑自动执行。在具体应用场景上，该功能支持在 Chat、Work 和 Codex 之间协调任务，并能调度多个正在运行的智能体。桌面端更新还包含支持截取应用画面、使用浏览器、与 MCPs 交互、跨项目线程继续推进工作，以及本地项目支持挂载多文件夹等改进。此外，iOS 端的 Remote 应用也已支持语音控制，用户可以将手机作为免手操作的控制器，远程与电脑对话并操作 Codex（被形容为“Codex phone”），官方确认 Android 平台支持即将推出。目前该功能正在逐步向更多用户放量开放。

真实体验与使用反馈

在真实体验方面，多位开发者分享了具体工作流与评价。@Dimillian 表示，通过手机或桌面端语音直接启动和管理 Codex 任务极其流畅，堪称真正的 AGI 时刻。@jxnlco 指出，语音功能可以充当“计划模式”，系统会通过连续追问厘清模糊需求，随后直接发起 Codex 任务去实现；他强调语音功能的核心心智模型是“编排器”而非执行器，用户可以语音指挥它将任务路由给对应线程。@petergyang 也认同其在 Codex 里更像一个可以用语音驱动其他线程的编排线程，但指出目前有时需要明确告诉它“start new thread”来手动切换。@omooretweets 补充说，语音功能结合了屏幕视觉界面，交互更自然，并能直接调用工具代为检查日历和安排日程。@reachvb 建议将其视为“首席助理”，先用语音理清问题，再由它分派任务和组织上下文，后续还能随时追踪进度。

为什么重要

此次更新通过打通桌面端与 iOS 远程控制，OpenAI 进一步减少了用户对键盘鼠标的依赖，使边想边说的无障碍办公与多任务并行开发成为现实。

还有 60 条相关讨论 →

第 9 集 · ChatGPT Voice 语音体验获赞，被称最接近 AGI 时刻(2026-07-24,3 条)

ChatGPT Voice 近期在圈内引发热烈讨论，多位用户将其誉为最接近“AGI 时刻”的体验。大家的核心感受是，该功能能够精准听懂用户随口表达甚至东拉西扯的想法，并将其转化为可执行的内容。这种“瞎聊式表达”带来的无缝交互感，被认为堪比 Cursor 加 Sonnet 3.5 等顶尖工具组合，有望成为下一波 AI 工作流升级的重要标志。

第 10 集 · ChatGPT Voice 登陆桌面端，支持语音操控智能体(2026-07-26,5 条)

OpenAI 正式将 ChatGPT Voice 推进到 macOS 和 Windows 桌面端，并向 Plus、Pro、Business、Edu 和 Enterprise 用户全球推送。这次更新让用户能直接通过语音指挥电脑上的多步任务和智能体工作流，标志着 ChatGPT 语音交互能力的重大升级。

已确认

功能覆盖范围方面，ChatGPT Voice 已确认向 Plus、Pro、Business、Edu、Enterprise 等订阅层级的全球用户开放。底层技术基于新一代 ChatGPT-Live（部分帖子称为 GPT-Live）语音模型。在交互体验上，该功能主打“非对称语音交互”，即用户通过语音输入复杂想法，而模型可以自主决定以最合适的形式（不一定是语音朗读）展示答案。应用场景上，桌面端语音不仅能聊天，还能直接控制电脑，与 ChatGPT Work、Composer 等智能体流程联动，接管多步任务。

延迟开放原因

据 @athyuttamre 补充，面向 Edu、Business、Enterprise 等版块的开放比个人用户稍晚，是因为 OpenAI 需要先打磨好管理员控制等企业级合规与管控要求。

为什么重要

将语音能力与桌面端智能体深度结合，意味着 AI 从单纯的对话工具向“电脑操作助手”迈进了一步。语音输入比打字更适合表达复杂指令，这种非对称交互模式大幅降低了用户操控多智能体工作流的门槛。

第 11 集 · ChatGPT语音模式实测：从语音助手到免手操作电脑(2026-07-29,10 条)

近期多位开发者和用户深度实测了ChatGPT的语音模式，认为它已从简单的语音听写进化为一种全新的工作流。特别是将语音模式与Codex结合后，用户不仅可以通过口头指令让AI自动执行电脑操作，还能通过手机远程调用桌面算力。这标志着人机交互方式正在发生实质性转变，无缝的语音对话正成为下一个核心交互界面。

已确认

  • @Dimillian 实测展示了ChatGPT Voice结合Codex的工作流，用户可以直接用语音下达指令，让AI自动完成在Mac的Finder中选取文件并执行AppShot等复杂操作，实现“动口不动手”的免手操作电脑体验。
  • @dfinke 进行了一场ChatGPT Voice在Codex里的现场演示，整个过程没有固定脚本，而是边说边做，支持随时打断、改变方向、查资料和继续构建，验证了当“对话”本身变成工作流的一部分时实际工作方式的变化。
  • @pbbakkum 补充了一套实用的配对教程：用户需在桌面端付费版设置中添加远程连接设备，随后即可在手机端通过语音指令，远程调用桌面电脑的算力执行创建任务等复杂操作，将ChatGPT变为随身语音助理。
  • @rudrank 分享了通过接入本地文件、Slack和Gmail等工具权限，使用语音模式规划日程的体验，其自然交互的流畅度被比作科幻电影《Her》。
  • @EverydayAI 总结了语音模式最值得尝试的7种打开方式，将其比作“Jarvis”。@nickbaumann 同样认为这是对其工作流影响最大的AI工具，彻底改变了交互习惯。
  • @机器之心 报道了一位博主在森林徒步4小时期间全程使用ChatGPT语音模式处理工作的案例，声称效率远超办公室8小时。该案例将设备视为“总部”和“节点”，利用语音解放双手与视觉，获得了Sam Altman的转发并引发其对“全新计算机”的感叹。
  • @danshipper 表示其团队Every成员对ChatGPT for Work的语音模式给出了极高评价，几乎所有人都对其表现感到震惊。

为什么重要

  • 这些实测和演示表明，AI语音交互已经跨越了单纯的“问答”阶段，开始深度介入并接管系统级的软件操作。这种“开口就办事”的模式不仅极大提升了操作效率，更可能重塑未来人类使用电脑的基础习惯。

第 12 集 · ChatGPT桌面端推出全新语音模式实现跨应用操作(2026-07-30,2 条)

OpenAI 宣布在 macOS 和 Windows 桌面端推出全新的 ChatGPT 语音交互模式。通过该功能，用户可以在保持当前工作流不中断的情况下，直接通过语音指令与 ChatGPT 进行跨应用交互。这一更新旨在彻底解放用户的双手，大幅提升桌面端多任务处理的效率。