GPT-Live 登場：ChatGPT 語音模式全面升級指南

GPT-Live 是什麼？

GPT-Live 是 OpenAI 於 2026 年 7 月 8 日推出的新一代語音模型，現已成為 ChatGPT 語音功能的核心。它採用全雙工（full-duplex）架構，能夠同時聆聽與說話，你可以隨時打斷它、停頓思考，甚至與它同時開口，就像與真人對話一樣。目前推出兩個版本：付費用戶使用 GPT-Live-1，免費用戶使用 GPT-Live-1 mini。

我用同一個五分鐘的腦震盪練習，分別測試了舊版 Advanced Voice Mode 與新版 GPT-Live。舊版在我停頓思考時打斷了我四次；新版則安靜等待，偶爾以「嗯哼」回應表示在聽，直到我主動詢問才給出意見。

這個差異聽起來很小，實際上卻決定了語音功能是「示範一次就放棄」還是「真正融入日常工作」。

根據 OpenAI 公佈的數據，每週已有超過 1.5 億人透過語音和聽寫功能與 ChatGPT 對話。GPT-Live 將全面取代舊有語音系統，這是 OpenAI 歷來影響範圍最大的一次語音升級。

GPT-Live 與 Advanced Voice Mode 有什麼分別？

Advanced Voice Mode 屬於回合制：它靠偵測靜音來判斷你是否說完，因此對話節奏僵硬，經常在你思考時貿然插話。GPT-Live 則持續處理你的語音輸入，同時生成回應，每秒作出多次互動決策。在 OpenAI 的 5 至 10 分鐘真人對照評測中，測試者在輪流發言、打斷處理和對話流暢度上都強烈偏好 GPT-Live。

要理解這次升級的意義，先看 ChatGPT 語音的三個世代，每一代都有不同的致命傷：

--- 串聯式語音（2023 年）：三個模型接力運作。語音轉文字模型先轉錄你的話，語言模型撰寫回覆，再由文字轉語音模型讀出。資訊在每個環節流失，而且每次回應都要等待良久。

--- 回合制語音（Advanced Voice Mode，2024 至 2026 年）：單一模型直接處理音訊，延遲大減。但它以「靜音」判斷你說完了沒有，你停頓兩秒思考，它就急著給出你根本未想要的答案。

--- 全雙工語音（GPT-Live，現在）：模型同時聆聽與說話，每秒多次決定應該開口、保持安靜、輕聲回應還是調用工具。停頓不再被當作「你講完了」。

你最快察覺的行為改變：它會在你說話途中輕聲說「明白」，你叫它安靜它就真的安靜，你打斷它的回答它也能自然接住。OpenAI 同時為九把 ChatGPT 聲音重新調校了音質。

GPT-Live 如何一邊對話一邊處理複雜問題？

GPT-Live 將「對話」與「深度運算」分離。當你的問題需要搜尋網絡、深入推理或多步驟處理時，它會在背景將任務交給 GPT-5.5，對話照常進行，結果完成後再自然帶回對話之中。你可以在設定、語音、智能程度中選擇 Instant、Medium 或 High 三個推理深度。

這個「委派」設計是大多數人忽略的關鍵。語音模型本身保持輕量快速，以毫秒級速度回應；真正的重型思考交給背景的前沿模型處理。OpenAI 表示，隨著新模型推出，背景模型會持續更換升級。

根據 OpenAI 公佈的評測，GPT-Live-1 在 GPQA（專家級科學推理基準）上大幅領先 Advanced Voice Mode，在 BrowseComp（測試網絡搜尋難找資訊的能力）上亦有顯著進步。方向很明確：語音回答不再是文字回答的「降級版」。

此外還有視覺層：談到天氣、股價或體育賽事時，畫面會即時顯示視覺卡片，對話不會中斷。語音模式同時支援搜尋、記憶、圖片和檔案上載，你可以把 PDF 丟進對話，然後繼續用說話討論它。

如何取得 GPT-Live？怎樣確認自己用的是哪個版本？

將 iOS 或 Android 的 ChatGPT 應用程式更新至最新版本，或直接開啟 chatgpt.com，點按訊息欄的語音圖示即可開始對話，毋須按住說話。GPT-Live-1 將成為 Go、Plus 和 Pro 方案的預設語音模型，免費用戶則預設使用 GPT-Live-1 mini。全球推送由 2026 年 7 月 8 日開始，屬漸進式，未見到的話請等待數天。

確認方法：開啟設定、語音，如果看到智能程度選項（Instant、Medium、High），代表你已經在付費方案上用到 GPT-Live。

實用提示：Instant 模式背後使用 GPT-5.5 Instant，Medium 和 High 則調用 GPT-5.5 Thinking 進行更深推理。快問快答用 Instant 最順暢；涉及策略思考或複雜比較的對話，開始前先切換至 Medium，體驗會截然不同。

GPT-Live 在實際工作中可以怎樣用？

真正的實用價值在於過往被僵硬輪流發言毀掉的免提工作流程：通勤時邊行邊口述草稿、與一個懂得自然插話的對手排練簡報、跨語言會議的即時傳譯，以及一邊討論一邊在背景執行的委派式資料搜集。

工作流程一：通勤草稿。在港鐵上花十分鐘，把明天的活動構思、報告大綱或一封難寫的電郵完整說一遍。GPT-Live 容忍長時間停頓，你可以邊想邊說而不被打斷。結尾說一句「把我剛才所講整理成結構化大綱」，坐低打開對話紀錄，大綱已經在等你。

工作流程二：排練對手。叫它扮演一位懷疑的客戶，在你簡報途中隨時提出質疑。回合制語音做不到真正的「插話」，全雙工可以。這是 AI 至今最接近真人角色扮演的體驗。

工作流程三：即時傳譯。持續處理架構令它能在雙方說話的同時進行近乎即時的翻譯。香港人日常的中英夾雜會議、與內地團隊的電話會議，正是這功能的主場。

工作流程四：邊講邊查。提出一個需要網絡資料的問題後繼續討論，背景搜尋完成後，答案會自然融入對話。你保持思考狀態，而不是望著載入圈發呆。

GPT-Live 目前有什麼不足？

推出初期，GPT-Live 不支援視像或螢幕分享，需要這些功能的話，舊版 Standard 和 Advanced Voice Mode 仍然保留。OpenAI 亦明言部分語言可能出現非母語口音或流暢度不足。此外，語音本質上不適合精準輸出：逐字文案、表格或任何需要原文照抄的內容，請回到文字介面。

三個實際使用時要留意的位置：

--- 語言支援不平均。OpenAI 優先優化 ChatGPT 最多人使用的語言，並公開承認其他語言有流暢度落差。如果你的工作語言是廣東話混英文，先私下測試，不要直接在客戶面前使用。

--- 語音輸出不是最終文案。數字、人名和措辭在口語轉換中可能出現偏差。把對話當作思考過程，結尾要求它在對話紀錄中輸出書面摘要，然後在文字上修改。

--- 背景委派需要真實時間。一條 High 推理深度的問題可能在背景執行好一陣子。如果兩分鐘後就要開會，直接打字提問更穩妥。

立即測試：一段驗證全雙工聆聽的口述提示

開啟 ChatGPT 語音模式，把以下提示讀出來。它測試 GPT-Live 與所有舊版語音模式的三個關鍵分野：聽從指令保持安靜、容忍思考停頓，以及把口述內容轉化為書面產出。

試試這段提示（用說的）：

「我想用五分鐘圍繞【你的主題】出聲思考。你的任務是聆聽。除非我說『意見』兩個字，否則請保持安靜。當我說『意見』，請在三十秒內給我三個最強烈的反應，然後繼續聆聽。如果我沉默，請等我，不要插話。最後當我說『總結』，請把我全部內容整理成一份可以在對話紀錄閱讀的結構化大綱。」

如果它守住沉默、聽從觸發詞、最後交出清晰大綱，你用的就是新模型。如果它在你第一次長停頓就插話，你仍在舊語音系統上，請檢查設定、語音。

結語：語音正式成為工作介面

GPT-Live 是第一個不像對講機、更像同事的語音模式：它邊說邊聽，在你思考時等待，並將艱深問題悄悄交給背景的前沿模型。真正從中獲益的實踐者，會建立一兩個可重複的語音工作流程，例如通勤草稿或排練對手，而不是把它當成一次性的新奇示範。

當科技變得這樣自然，它就不再冰冷。懂AI的冷，更懂你的難，UD 同行28年，讓科技成為有溫度的陪伴。

實測你的 AI 實力

新模型與新功能每週登場，「試過」與「用熟」之間的距離，正是你的競爭優勢所在。UD 團隊手把手帶你完成每一步，從工具設定、流程設計到實際部署，讓 AI 真正融入你的日常工作。