OpenAI 于本周正式宣布，将在 ChatGPT 中停用 Standard Voice Mode（标准语音模式）和 Advanced Voice Mode（高级语音模式），并将所有语音交互流量迁移至今年 7 月推出的全双工模型 GPT-Live。根据官方时间表，旧模式将于 2026 年 12 月 11 日正式从设置选项中移除。
技术演进：从轮次制到全双工架构
ChatGPT 的语音交互能力经历了三次主要的技术迭代，其底层逻辑发生了根本性变化：
| 模式名称 | 推出时间 | 技术架构 | 核心特征 |
|---|---|---|---|
| Standard Voice | 早期版本 | 串联式管道 | 依赖独立的语音转文本 (STT)、大语言模型 (LLM) 和文本转语音 (TTS) 模块。响应延迟较高，但回答通常较为详尽。 |
| Advanced Voice | 2024 年 | 端到端音频处理 | 直接处理和生成音频流，无需中间文本转换。响应速度显著提升，对话自然度增强，但仍遵循“轮次制”（Turn-based），即模型需等待用户说完后才开始回应。 |
| GPT-Live | 2026 年 7 月 | 全双工架构 (Full-Duplex) | 支持同时听与说，实现真正的实时插话与打断。可将复杂查询委托给前沿文本模型处理，且不中断正在进行的语音流。 |
OpenAI 表示，自 GPT-Live 上线以来，ChatGPT 的语音使用量几乎翻倍，目前绝大多数语音互动用户已主动切换至该模式。基于此数据表现，公司决定集中开发资源优化 GPT-Live，不再维护旧的语音基础设施。
过渡时间表与兼容性说明
为确保用户平稳过渡，OpenAI 制定了以下执行计划：
- 2026 年 11 月 10 日：开始向用户发送退役通知。
- 2026 年 11 月 10 日 – 12 月 11 日：Standard 和 Advanced 模式仍可正常使用。
- 2026 年 12 月 11 日：两种旧模式从“设置 – 语音”菜单中彻底消失。此前选择这些模式的用户将被自动切换至 GPT-Live。
- 历史记录处理：过往的语音对话记录将保留在 ChatGPT 历史中，用户可通过文本或 GPT-Live 继续之前的对话上下文。
例外情况：
由于 GPT-Live 目前尚不支持某些特定功能，以下场景将继续暂时保留 Advanced Voice Mode 的支持：
- 实时视频通话与屏幕共享：因技术限制，这些功能仍依赖 Advanced Voice 的底层架构。
- 自定义 GPT (Custom GPTs)：与自定义智能体的语音对话在 12 月 11 日前仍使用 Advanced Voice。
用户反馈与争议焦点
尽管 OpenAI 强调了 GPT-Live 的技术先进性，但这一决定在社区引发了强烈反弹。在 X (Twitter) 和 Reddit 等平台上，大量用户表达了对旧模式移除的不满，主要争议点集中在体验质量的退化上：
- 回答深度不足：用户指出，Standard Voice 往往能提供更详细、逻辑更严密的回答，而 GPT-Live 倾向于提供精简、碎片化的信息，导致复杂推理任务的质量下降。
- 频繁的意外打断：GPT-Live 的全双工特性虽然允许插话，但其灵敏度设置导致模型经常在用户思考或停顿时误判为发言结束，从而强行插入回应，破坏了对话的连贯性。
- 上下文丢失：部分付费订阅者反映，GPT-Live 在多轮对话中更容易丢失前文语境，导致回答偏离主题。
一些高级用户甚至威胁，如果 OpenAI 坚持移除旧模式且不对 GPT-Live 进行实质性改进，将取消 Plus 或 Pro 订阅。
官方回应
面对社区的质疑，OpenAI 承认部分用户确实更偏好 Advanced 或 Standard 模式的响应风格。公司表示，目前正在基于旧模型的数据反馈，重点优化 GPT-Live 的以下方面：
- 响应深度：提升对复杂问题的解析能力，避免过度简化。
- 对话连续性：改善长对话中的上下文记忆与逻辑衔接。
- 个性化调整：允许用户更精细地控制模型的打断敏感度与回复长度。
值得注意的是，OpenAI 在产品策略上曾有过因用户反对而调整计划的先例。此前在计划退役 GPT-4o 模型时，因类似的市场阻力而推迟了执行时间。此次语音模式的退役是否会因持续的负面反馈而出现变数，仍有待观察。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
