GPT-Live-1.1 推送全员，ChatGPT 语音先学会少说一句稍等

点版本号只加了 0.1，改动集中在“听起来像不像人”

GPT-Live 是 OpenAI 今年夏天推出的实时语音模型，特点是能边听边说，遇到需要深度推理或调用工具的请求，会把任务转交给背后搭配的模型去办，自己负责前台对话。9 月它进了 API，前台语音层按每分钟 0.05 美元计费。这次的 1.1 没有动这套分工，改的是前台这一层的表现：

• 新声音 13 种：据外媒和开发者社区整理，包括英语的 Bubbie、法语的 Aube 与 Rivage、德语的 Sonna 与 Miko、印地语的 Leher 与 Neer、日语的 Himari 与 Rindō、韩语的 Haetsal 与 Hanul、墨西哥西班牙语的 Tinta 与 Arrullo 等。
• 口音与多语种：上述六门语言的发音、口音处理被列为重点改进项。
• 少一点“checking...”：联网查资料时的填充语减少，等待感变弱。
• 同步推出小号 GPT-Live-1.1 Quip；有报道援引系统卡称，1.1 取代 1 成为 Plus 及以上套餐的默认语音模型。
• 覆盖范围：ChatGPT、Codex、dots 三处语音入口同时更新，API 暂未开放。

那句「稍等，我查一下」为什么值得单独拿出来改

实时语音最难的部分不是声音好不好听，而是沉默怎么处理。文字聊天里模型去搜索，界面上转个圈就行；语音里如果两三秒没声音，用户会以为断线了，于是早期方案普遍让模型先说一句“我查一下”撑场面。问题是这句话一旦高频出现，就成了最暴露“我是机器”的地方，对话节奏也被切成一段一段。

OpenAI 把减少这句填充语写进更新说明，侧面说明它们在前台语音层和后台工具调用之间的衔接上做了优化，要么是检索返回更快，要么是模型学会边等结果边把话题自然往下接。官方没有给出具体的延迟数字或准确率指标，所以“少说多少次”目前只能靠用户自己感受。

新增的六门语言里，没有中文

这次重点照顾的是欧洲和亚洲几个大市场，中文不在名单里。已经有用户在社交平台反馈，中文语音的“外国口音”依旧明显；西班牙语圈也有人吐槽只加了墨西哥口音、没顾上西班牙本土。语音产品的本地化比文字难得多：文字模型多吃语料就能写得地道，语音还要有母语录音、口音标注和大量真人听感评测，每门语言都是一笔独立的成本，排期上分先后很正常。

值得多看一眼的是 Codex 也在更新范围内。语音进编程工具，本来就是 GPT-Live 进 API 时 OpenAI 主动展示过的场景：开发者口头描述需求，前台语音模型把上下文交给 Codex，再把结果念回来。现在这条链路在 Codex 自家产品里也换上了新版语音，说明 OpenAI 确实把“动嘴写代码”当成一个认真经营的方向，而不只是发布会上的演示。

API 晚一步，开发者还得再等

消费端先上、API 后跟，是 OpenAI 语音产品一贯的节奏：GPT-Live-1 也是先在 ChatGPT 里跑了一阵才开放给开发者。对已经接入 GPT-Live-1 的应用来说，这意味着短期内自家产品的声音会比 ChatGPT 官方版“落后半拍”，新音色和口音改进都暂时用不上。至于 1.1 进 API 后会不会调价、Quip 小模型是否单独计费，目前都没有官方说法。

声音更像人、等待更短，这些改进单看都不惊艳，但实时语音拼的正是这些细节的累加。真正的考题在 API 开放之后：第三方应用能不能以可接受的成本拿到同样的效果，才决定 GPT-Live 是一个 ChatGPT 的功能，还是一块别人愿意搭在上面的地基。