重點整理
OpenAI 全面翻修 ChatGPT 語音架構，讓音訊可以連續串流、不再頻繁中斷。
新系統 GPT-Live 讓 ChatGPT 能「一邊說、一邊聽」。
語音對話啟動流程，從過去六次網路往返縮減為一次。
音訊走專用高速通道，推理與工具調用則非同步在背景執行。
OpenAI 公開重建語音系統的完整技術說明。
OpenAI 針對驅動 ChatGPT 的語音基礎設施進行大改版，推出全新架構 GPT-Live，讓語音串流得以持續不中斷，即便模型在進行較深度的推理或呼叫工具，也不會打斷使用者對話體驗。
OpenAI 在 8 月 3 日透過多則 貼文 說明此次更新，並在官方 Blog 詳細解構從客戶端到模型端的重建過程。公司表示，語音對話啟動流程已從過去需要六次網路往返，精簡為只需一次。
GPT-Live 如何運作
GPT-Live 將音訊資料導入一條獨立的高速通道，與模型推理及工具呼叫分流處理。後者改採非同步執行，也就是在背景完成，不會阻塞前端的語音串流。
這種設計帶來的效果，是語音對話啟動更快，且在整個會話過程中維持連續性，避免過去使用者在提出複雜多步驟問題時，ChatGPT 語音回應中間出現明顯停頓或空白。
OpenAI 在另一則 貼文 指出，新架構特別處理了「對話剛開始的那一刻」，讓從第一輪互動開始就更貼近日常口語交談的節奏。這次重建正面解決舊語音堆疊的結構性瓶頸——任何推理步驟都會迫使音訊層暫停等待。
GPT-Live 瞄準 ChatGPT 語音延遲痛點
近年來，OpenAI 持續加碼語音能力。先前市場批評指出，ChatGPT 在處理多步驟或較難問題時，語音回應顯得斷續、生硬且偏慢。GPT-Live 的推出，可視為 OpenAI 針對這一痛點的直接工程回應。
此次發布緊接著 OpenAI 上月的揭露：其下一代核心模型的內部版本，在約 2,000 美元的 Token 成本下，就產出了十項新的數學成果，外界多將之解讀為 OpenAI 正對整體產品線進行更大規模的基礎設施投資。
