OpenAI在2026年7月8日把ChatGPT裡的語音整組換成GPT-Live，full-duplex（可以理解成同時聽跟說、你講到一半就能打斷它），順手還能邊聽邊即時翻譯[Source: https://openai.com/index/introducing-gpt-live/]。免費帳號預設換成GPT-Live-1 mini，付費的可以用大一點的GPT-Live-1[Source: https://openai.com/index/introducing-gpt-live/]。

這幾天社群一堆人截圖它翻譯多順。但有個問題幾乎沒人回答：你要開Zoom或Google Meet跟國外客戶視訊，它到底接不接得進去？讓對面那個人也聽得到翻譯？

先把話講開：這條「線」不是只有跟客戶開會才用得上。你追一場國外的 YouTube 直播想邊看邊懂、你上一堂只有英文的線上課、你跟時區隔一個地球的遠端同事開 daily、你面試一家外商、你聽一場外語 webinar——只要聲音是從電腦裡放出來的，接法都一樣。這也是為什麼值得花五分鐘把它學會：學的是一條能到處接的線，不是一個只服務跨國業務的窄技巧。

答案是接得進去，而且今天就能接——只要你懂那條看不見的「線」在哪。這篇把接法一次講清楚，也把三個會卡住的地方攤開講，讓你不是玩個新鮮，而是明天開會、明天看直播就真的多一個能用的工具。

「另開一支手機對著講」為什麼是死路

視訊會議是雙向音訊：你要聽對方，對方也要聽你。你旁邊擺一支手機開GPT-Live翻譯，翻出來的聲音只進了你自己的耳朵—電腦這端的Zoom根本不知道有這段音訊存在，對面一個字都收不到。反過來，手機也聽不清楚Zoom喇叭放出來的對方聲音，隔著空氣還有迴音。

看 YouTube 直播、上線上課這種「只進不出」的單向場景，手機對著螢幕勉強能聽個大概，但一樣被空氣、雜訊、迴音吃掉一截準度，還騰不出手記筆記。所以「多開一臺裝置」這條路，不是難用，是從架構上就先天吃虧的。要讓翻譯真的乾淨地進到你這端，聲音得在同一臺機器內部用「線」接起來，不是隔空喊話。看懂這一點，你就已經領先大多數還在拿手機對著螢幕喊的人。

真正的接法：一條看不見的「虛擬音訊線」

關鍵字叫虛擬音訊線（virtual audio cable，可以理解成一條看不到的線，把A程式的喇叭輸出，直接當成B程式的麥克風輸入）。Mac上常見的是BlackHole或Loopback，Windows上是VB-CABLE，都有免費版[Source: https://github.com/ExistentialAudio/BlackHole]。

先把訊號怎麼走畫出來，後面每一步在幹嘛你就懂了：

1
2
3
4
5
6
7
8

你講話 →（真麥克風）→ ChatGPT 開 GPT-Live 翻譯
                          │ 翻好的聲音走「系統輸出」
                          ▼
              虛擬音訊線（BlackHole / VB-CABLE）
                   │                        │
     Zoom 的「麥克風」選這條線          分一份給你的耳機
                   ▼                        ▼
        對面聽到的是翻譯後的聲音        你自己也聽得到

一句話：你不是對著Zoom講話，是讓GPT-Live翻完的聲音「假裝成你的麥克風」，Zoom以為那就是你在說話，對面就聽得到了。下面照做，Mac大概五分鐘。

Mac版（BlackHole，免費）

  1. 裝BlackHole。到官方GitHub下載BlackHole 2ch安裝，或用Homebrew一行brew install blackhole-2ch；裝之前先把正在放聲音的App關掉[Source: https://github.com/ExistentialAudio/BlackHole]。
  2. 開「音訊MIDI設定」（Audio MIDI Setup，在 應用程式 → 工具程式 裡）。左下角按 +，建一個「多重輸出裝置」（Multi-Output Device），把BlackHole和你自己的耳機／喇叭兩個都勾起來——這一步就是為了讓你自己也聽得到。
  3. 在同個視窗右鍵那個多重輸出，選「將此裝置用於聲音輸出」。系統的聲音會同時分一份給BlackHole、一份給你耳朵。
  4. 到Zoom → 設定 → 音訊，把「麥克風」下拉選成BlackHole 2ch，喇叭維持你的耳機。Google Meet、Teams也一樣，在音訊設定裡把麥克風選BlackHole。
  5. 測一次：ChatGPT開GPT-Live講一句讓它翻，Zoom設定頁的麥克風音量條會跳動，就代表對面收得到了。

兩個坑先講，免得你白弄半天：一，建多重輸出時別拿AirPods當「主要」裝置，它取樣率低會讓整組破音，主要裝置用內建喇叭或BlackHole 2ch就好[Source: https://github.com/ExistentialAudio/BlackHole]。二，這個免費做法是「整臺系統的聲音」都會灌進麥克風，所以開會時記得把會叮咚叫的通知、背景音樂關掉；如果你想只讓ChatGPT這一個App的聲音進去、別的都不進，那要用付費的Loopback做單一App路由。

Windows版（VB-CABLE，免費）

  1. 下載VB-CABLE，解壓後用「系統管理員身分」執行VCCABLE_Setup_x64.exe，裝完重開機讓系統認得這條線[Source: https://help.livevoice.io/article/146-using-vb-audio-virtual-cable-to-send-audio-from-zoom-or-ms-teams-to-livevoice]。
  2. 把要翻的聲音導進這條線：到 設定 → 系統 → 聲音 → 音量混音器，把ChatGPT（或你的瀏覽器）那一條的輸出裝置單獨指到CABLE Input，其他App就不受影響。
  3. 到Zoom → 設定 → 音訊，把「麥克風」選成CABLE Output[Source: https://help.livevoice.io/article/146-using-vb-audio-virtual-cable-to-send-audio-from-zoom-or-ms-teams-to-livevoice]。
  4. 想自己也聽得到：到「聲音控制台 → 錄製 → CABLE Output → 內容 → 接聽」，勾「接聽此裝置」並指定你的耳機；或裝同一家免費的VoiceMeeter，把聲音同時分給耳機和Zoom。
  5. 一樣測一句，看Zoom麥克風音量條有沒有跳。

只想單向聽一場外語直播、上一堂英文課？那更省事：你根本不用管「送回Zoom」那半段，把來源聲音用同一條虛擬線餵給GPT-Live讓它翻給你聽就好，對外那段直接跳過。同一條線，會議兩頭接、純聽接一頭，學一次到處能用。

老實說一句：真正麻煩的是「雙向」——同一場會議裡，既要把你的話翻給對方、又要把對方的話翻回給你，等於要再拉第二條線把Zoom收到的聲音倒餵進GPT-Live，還得閃開迴音迴圈。這關不好過，所以後面談三個卡點時我會建議：雙向、多人、又要準的場合，別硬用GPT-Live單扛，配一個專門的會議翻譯工具更省事。先從上面「你說、對方聽翻譯」這條穩的路開始，就已經比多數人早半步。

這段是真正能動手、而且今天就能兜起來的部分。它靠的是作業系統層的音訊路由，不是等哪個官方功能上線。也就是說，就算GPT-Live現在還沒開放開發者API（官方只說即將開放、沒給日期也沒給定價[Source: https://openai.com/index/introducing-gpt-live/]），你也不必乾等——虛擬音訊線本身就是那個「先用起來」的解法。

沒有API，開發者現在能做什麼

想拿GPT-Live做產品的人看到「沒有API」會直覺覺得沒戲，但這件事要分兩層看。

第一層，官方API還沒開，你確實沒辦法把GPT-Live當後端服務去程式化呼叫。第二層——也是多數人漏掉的——你要交付的「即時語音翻譯」這個結果，不一定非得等它的API。虛擬音訊線這條路本身就能被包成一套可重複的內部工作流：固定好路由、寫成一份設定指令碼、配上現成的會議或直播轉錄工具，就是一個今天能交付給團隊、給客戶、甚至做成給一般使用者的流程，不必卡在等一個沒有日期的API上。

而且需求早就被驗證過了，而且遠不只商務會議。像Felo這類專門掛在音訊上的工具，已經在做用ChatGPT／OpenAI替Zoom、Google Meet、Teams做即時雙語字幕與轉錄，連YouTube直播都一起覆蓋[Source: https://chromewebstore.google.com/detail/felo-subtitles-chatgpt-li/ponokiofkijoolhebggofhhibnafebna?hl=zh-CN]。換句話說，「AI掛進聲音流做即時翻譯」涵蓋的是開會、上課、看直播一整片人的需求，不是還要你去教育市場的新概念，是已經有人在跑的成熟需求。你要做的不是從零證明它有沒有人要，而是把體驗做得比現有工具更貼你的場景。

等哪天API真的開了，你今天摸熟的音訊路由、會議與直播整合、延遲取捨這些工，一分都不會白費——它們正是那時候你能立刻跑得比別人快的底子。

三個會卡住的地方：延遲、口音、術語

接得起來，不等於順。真正決定這套能不能用的，是三件事。先知道它們，你就能在開會、開播前先把場景挑對，而不是當場出糗。

延遲最需要注意。OpenAI到現在沒有公佈任何GPT-Live的首字延遲或落後秒數[Source: https://openai.com/index/introducing-gpt-live/]。即時語音翻譯本來就會有時間差—它得先聽完一句、丟給模型翻、再念出來，這條路徑天生就慢半拍。在一對一慢慢聊、或單向聽一場直播時可以忍，但在一場你來我往的多人會議裡，只要每句話都被拉開一截，整場節奏就容易垮掉。具體會差幾秒？官方沒給，我們也不編，等它公佈或有可信實測再補。實務上的解法很簡單：先用在一對一、單向觀看、或步調慢的場合，把它的長處吃滿。

口音跟語言覆蓋是第二關。OpenAI自己揭露，除了「大多數常用語言」，其他語言會有非母語口音跟流利度不足，完整的多語言對等在上市時「明確列為未達成」[Source: https://openai.com/index/introducing-gpt-live/]。所以你的會議或那場直播如果是英、日、韓這種大語言，體感會好很多；越冷門的語言，越容易出戲。挑對語言，這關就過大半。

專業術語是第三關，而且沒有官方資料，只能靠推理。GPT-Live把難題背景丟給後面的文字模型邊講邊算，一般對話、一般直播夠用；但財報數字、法律條款、醫療名詞、技術規格這種不能翻錯一個字的場景，判斷是—它可以當輔助，但你不能把它當唯一那份逐字稿。這也是為什麼在持續進行的真實對話裡，專用即時翻譯工具反而更穩：像Zoom、Google Meet這類會議本身就有的即時翻譯字幕[Source: https://support.google.com/meet/answer/10964115?hl=zh-Hant&co=GENIE.Platform%3DDesktop][Source: https://www.timekettle.co/blogs/tips-and-tricks/how-to-translate-zoom-or-google-meet-conversations-in-real-time]，或Felo這類專門掛在會議與直播上的轉錄翻譯工具[Source: https://chromewebstore.google.com/detail/felo-subtitles-chatgpt-li/ponokiofkijoolhebggofhhibnafebna?hl=zh-CN]，守得住「只翻譯」這個角色，還會留給你一份能回看的雙語逐字稿——這對事後要整理會議記錄、複習課程重點的人特別實用。聰明的接法是兩個一起上：GPT-Live顧即時對話的順，專用工具顧那份可回查的準。

還有一個容易踩的期待：GPT-Live（其實OpenAI任何一個介面）都沒辦法幫你撥一般電話號碼做翻譯通話，那是完全另一類產品[Source: https://openai.com/index/introducing-gpt-live/]。想接電話的，別等它，直接找對的工具。

所以現在到底能不能用

能，而且門檻比你想的低。想先玩手感，就在ChatGPT語音裡直接開GPT-Live試翻譯；要真的接進Zoom、接進你在看的那場直播，去查你系統對應的虛擬音訊線（Mac找BlackHole、Windows找VB-CABLE），把上面那條「假裝成麥克風」的路兜起來——會議就兩頭接、單純觀看就接一頭，挑個大語言、步調慢一點的場合先跑一次。

「把GPT-Live接進你的聲音流」這件事，不管那頭是客戶、是同事、還是一場外語直播，技術上今天就接得起來，剩下的只是你有沒有先把場景挑對。虛擬音訊線那段是真的能動手，而三個卡點——延遲、冷門語言、專業術語——都不是玄學，是你事前就能繞開的已知邊界。懂了這條線怎麼接、邊界在哪，你就比同一場會議、同一場直播裡的其他人早半步：他們還在猶豫要不要開手機對著講，你已經讓翻譯乾乾淨淨進到耳朵裡了。工具會一直往前跑，但先把手弄髒、先接起來的那個人，永遠站在最能吃到下一波紅利的位置。