OpenAI hat GPT-Live eingeführt, eine neue Familie von Sprachmodellen, die Gespräche mit ChatGPT natürlicher gestalten soll als bisher. Das System treibt ChatGPT Voice auf iOS, Android und im Web an und ist seit dem Launch weltweit verfügbar.
Vollduplex statt Warten auf Gesprächspausen
Das zentrale Merkmal von GPT-Live ist Vollduplex-Kommunikation: Das Modell kann gleichzeitig zuhören und antworten, ohne darauf zu warten, dass die andere Person fertig gesprochen hat. In der Praxis bedeutet das flüssigere Übergänge, kleine verbale Signale und Pausen zum Nachdenken, ohne die spürbare Verzögerung älterer Sprachsysteme.
Frühere Versionen von ChatGPT Voice setzten auf drei verkettete Modelle: eines für die Transkription, eines für die Antwortgenerierung und eines für die Rückwandlung in Audio. Der Advanced Voice Mode verbesserte das mit einem einzigen Modell, erkannte aber Gesprächsenden weiterhin über Stille. Hintergrundgeräusche oder kurze Pausen konnten so zu unpassenden Unterbrechungen führen. GPT-Live verarbeitet das Audio kontinuierlich und entscheidet dabei mehrmals pro Sekunde, ob es sprechen, schweigen oder eine Aufgabe weitergeben soll.
Zwei Varianten und API-Pläne
GPT-Live kommt in zwei Ausführungen. GPT-Live-1 ist der Standard für Go-, Plus- und Pro-Abonnenten. GPT-Live-1 Mini bedient Nutzer der kostenlosen Version. Für Aufgaben mit Suchanfragen oder tieferen Denkprozessen kann das Modell im Hintergrund auf GPT-5.5 zurückgreifen, ohne das laufende Gespräch zu unterbrechen. Eine API ist laut OpenAI geplant.
Interne Auswertungen, bei denen menschliche Tester die Systeme verglichen, zeigen eine Präferenz für GPT-Live gegenüber dem Advanced Voice Mode, vor allem bei Gesprächsfluss und Redeübergaben. Diese Zahlen stammen aus OpenAIs eigenen Tests und wurden nicht unabhängig geprüft.