OpenAI 发布 GPT-Live-1 和 GPT-Live-1 mini，并开始用于 ChatGPT Voice。它最重要的变化不是声音更自然，而是全双工：系统能够在说话的同时继续听用户，也能用简短回应表达正在关注，或者在用户停顿时保持安静。
全双工改变了交互状态机
传统语音助手通常是严格的轮次模式：录音结束、语音识别、模型生成、语音合成，然后才开始下一轮。任何一步延迟都会形成明显空白。
全双工系统需要同时维护输入音频、输出音频和对话状态。用户打断时，系统必须立即停止或调整输出；环境噪声不能被误判为新指令；短暂停顿也不能总被当成发言结束。这些问题涉及端点检测、回声消除、打断策略和流式上下文管理。
快速对话与深度推理分层
GPT-Live 会把需要网页搜索或复杂推理的问题委托给后台前沿模型，同时继续维持对话。这个设计把语音模型变成实时协调层：它负责低延迟听说，强模型负责耗时任务，最终结果再回到当前会话。
对开发者来说，这比让一个大模型完成所有工作更实用。可以把系统拆成：
- 实时语音层：转录、打断、简短回应
- 任务路由层：识别是否需要搜索或工具
- 后台执行层：运行复杂模型和外部工具
- 对话同步层：把结果安全地合并回来
产品设计需要注意什么
语音助手能“边听边说”后，隐私提示和状态展示会更重要。用户应该知道麦克风何时开启、后台任务是否仍在运行，也需要随时取消任务。系统还应避免用无意义的语气词掩盖真实延迟。
GPT-Live 表明语音 AI 正从一次性问答走向持续协作。真正的门槛将是延迟、打断体验、任务并发和状态一致性，而不仅是声音是否逼真。