已验证65% 置信事实精确时间

GPT-4o 的端到端语音架构将音频以离散 token 的形式纳入统一的 Transformer 处理框架，在单一模型内完成听-想-说全链路处理

3

来源数

65%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

GPT-Live全双工语音AI：ChatGPT Voice如何实现真人对话体验

相关事实

已验证GPT-4o采用原生多模态架构，音频输入和输出不经过文本中间层83% 相似待验证GPT-4o 已初步实现音频端到端处理81% 相似已验证GPT-4o等多模态模型已支持对实时音频的原生处理80% 相似已验证OpenAI的GPT-4o语音模式是端到端语音融合的代表性探索79% 相似已验证GPT-Live 采用端到端语音模型，直接处理音频波形输入并输出音频波形，中间不经过文字转换79% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/527139

API

curl https://kongchang.com/api/v1/knowledge/claims/527139

MCP

get_claim(id=527139)