OpenAI于2026年7月8日发布了GPT-Live,我做的第一件事就是用ChatGPT进行了一次真实语音通话测试。与之前的语音模式相比,差异非常明显:AI第一次实现了边听边说。全双工,就像普通电话一样。不用等待提示音才能说话,AI也不会因为处理而沉默三秒。
测试中我注意到的
我在ChatGPT说到一半时打断了它——就像打断同事一样——它停下来听我说,没有丢失对话的思路。我在它解释到一半时让它说慢一点,它照做了,而不是重新开始回答。当我在思考回应时,它会留出沉默的空间,而不是用废话填充。这是AI语音对话第一次让人感觉像在和真人说话,而不是使用有延迟的对讲机。
背后的运作原理
GPT-Live有两个版本:面向付费计划的完整模型GPT-Live-1,以及运行在免费版和较慢移动网络上的轻量版GPT-Live-1 mini。语音模型负责管理对话的自然流程,但当查询需要网络搜索、长时间推理或执行复杂任务时,它会在后台委托给GPT-5.5,并在获得足够信息后无缝返回结果。目前它仅在ChatGPT应用(iOS、Android、网页版)中可用——面向开发者的公开API尚未确定发布日期或价格。
为什么这对B2B中小企业很重要
AI语音智能体的瓶颈一直是同一个问题:听起来像机器人式的僵硬对话轮次,客户在最初五秒内就能察觉。全双工弥合了这一差距。对于B2B企业来说,这打开了一个月前还显得笨拙的应用场景:
- 来电初步筛选:通过语音对潜在客户进行资格审核,让对方在最初几秒内察觉不到自己在与AI对话,然后再转接给人工销售。
- 真正的多语言支持:结合OpenAI的翻译模型,同一套语音流程可以用葡萄牙语接待一位客户,用英语接待另一位,无需切换系统。
- 实时通话摘要:在对话进行的同时生成笔记和后续步骤,而不是事后才做。
- 预约与确认:预订时间、确认订单或进行售后跟进,交互体验不再像2000年代的语音应答系统(IVR)。
需要注意的地方
GPT-Live目前还没有公开API或价格——仅在ChatGPT应用中可用。如果你的企业已经在用OpenAI的Realtime API构建语音智能体(GPT-Realtime-2),成本是按音频token计费,而不是按分钟计费,如果不从设计阶段就设置限制,支出将很难预测——这与我们之前讨论过的AI智能体成本治理问题如出一辙。等GPT-Live开放API时,同样要用这个标准:为每通电话设置硬性预算上限,而不仅仅是按月。
本周该做什么
如果你的中小企业还没试过ChatGPT的语音模式,现在正是时候:它在应用内是免费的,能让你切实感受到对话式AI距离取代首次电话接触还有多远。现在还不是要把整个客服都自动化——而是要停止把»语音机器人»当作糟糕体验的代名词。那个阶段已经过去了。
