GPT-Live 实测：语音模式升级与 GPT-5.5 后台协作体验

隆重推出 GPT‑Live

OpenAI 终于对 ChatGPT 语音模式所使用的模型进行了升级！

我在 iPhone 应用中已经体验了数周的预览版，新模型的表现令人印象深刻。此外，它还具备将更复杂的任务委托给 GPT-5.5 的能力：

对于需要进行网络搜索、深入推理或处理更复杂任务的问题，GPT‑Live 会幕后调用我们最新前沿模型，并在结果准备就绪时将其重新纳入对话之中。 尽管如此，GPT‑Live 依然可以持续与您交流，并保持对话的流畅性。 在正式发布之际，GPT‑Live 将在后台使用 GPT-5.5。随着我们不断推出新的前沿模型，GPT‑Live 所使用的模型也将持续更新迭代。

ChatGPT 应用之前的语音模式基于 GPT-4o 时代的技术，其知识范围截止于 2024 年的某个时间点。由于该模型的年龄较轻且相对薄弱，作为头脑风暴伙伴，它的实用性受到了极大限制， 因此我基本上已经不再使用语音模式了。

在预览期间，我遇到了一个相当隐蔽的错误：模型竟然会突然打断我的发言，对我所说的话大笑不止——而这些话语其实根本不是玩笑！ 这种行为让我觉得既不礼貌又带有居高临下的意味——于是我向 OpenAI 报告了这一问题。据我所知，他们已经做了一些调整，目前这种情况发生的概率也大大降低了。

回过头来看我的聊天记录，我认为正是这一段触发了那阵突如其来的笑声：

那么，在天黑之前，猫头鹰们到底在哪里呢？猫头鹰确实存在，对吧？它们是不是藏在洞里？它们究竟躲在哪里？

我与这款新模型进行的最长一次对话，竟长达一小时，而且那还是在遛狗的时候（还顺便拍了几张鹈鹕的照片）。 不过，我至今还没能拍到一只猫头鹰的照片呢。

来自 Hacker News

标签：文本转语音, 人工智能, OpenAI, 生成式人工智能, 大型语言模型, 多模态输出, 模型发布, 语音转文本