Taylor
OpenAI发布GPT Live，背后体现的是一条与传统语音助手完全不同的技术路线。过去的语音助手大多采用“ASR→LLM→TTS”三级流水线，而GPT Live正在走向端到端（End-to-End）的原生语音模型：输入和输出都是语音Token，通过双流Transformer（Dual-Stream Transformer）实现边听边思考、边生成边回复，支持真正的全双工（Full Duplex）对话和实时语音生成。这意味着AI第一次开始接近人与人的自然交流方式——可以随时打断、理解语气和情绪，并以毫秒级延迟持续互动。继Agent之后，实时语音正在成为大模型竞争的新战场，而原生语音模型或许会像Transformer之于文本大模型一样，开启下一代AI交互范式。Plus才能用哦
发布于 上海
分享
评论
赞
未登录
友善发言
评论
加载中
