OpenAI stellt GPT-Live-Vollduplex-Sprachübertragung für ChatGPT-Endnutzer bereit

OpenAI hat am Mittwoch mit der Einführung eines überarbeiteten Sprachmodus für ChatGPT-Endnutzer begonnen und den Advanced Voice Mode durch zwei Modelle, GPT-Live-1 und GPT-Live-1 mini, ersetzt, die den Nutzer hören und gleichzeitig antworten können.

Das Update wird für kostenlose und kostenpflichtige Kundenkonten verfügbar sein und erscheint einen Tag vor der Markteinführung der GPT-5.6-Modellfamilie durch das Unternehmen.

Der Hauptgrund für den Wechsel zu GPT Live liegt in der Architektur. Während frühere Sprachmodelle darauf warteten, dass der menschliche Sprecher seinen Satz beendete, arbeitet GPT-Live auf Basis der Vollduplex- Architektur von OpenAI, die die Verarbeitung der Eingangssprache und die gleichzeitige Generierung der Ausgangssprache beinhaltet.

Laut OpenAI-Ankündigung entscheidet das Modell mehrmals pro Sekunde, ob es spricht, weiter zuhört, pausiert, sich einmischt oder ein Werkzeug benutzt. In der Praxis bedeutet das, dass ein Nutzer darüber sprechen, nachdenken kann, ohne unterbrochen zu werden, oder ein leises „Mhmm“ hört, das signalisiert, dass das Modell zuhört.

OpenAI bringt GPT-Live zu ChatGPT Voice

Kostenlose ChatGPT-Konten verwenden jetzt standardmäßig GPT-Live-1 mini, während Abonnenten der Go-, Plus- und Pro-Tarife die größere Version GPT-Live-1 erhalten.

Das Update wird für iOS, Android und das Web ausgerollt. Da ChatGPT bereits über CarPlay funktioniert, stellte 9to5Mac fest, dass das Update auch im Auto verfügbar sein wird. Laut OpenAI wurden die neun Stimmen von ChatGPT für die neuen Modelle überarbeitet.

Es wurde außerdem erklärt, dass GPT-Live als Konversationsmodell und nicht als reines logisches Denkmodell konzipiert wurde. Bei komplexeren Anfragen kann GPT-Live nicht alles selbstständig erledigen. Laut OpenAI ist das Sprachmodell in der Lage, Aufgaben wie Websuche, logisches Denken und sogar mehrstufige Antworten an GPT-5.5 zu delegieren, ohne die Sprachkonversation zu unterbrechen.

Dies soll eine der größten Schwächen des früheren Sprachmodus von ChatGPT beheben, der im Vergleich zur Texteingabe mitunter weniger effektiv erschien. Nutzer haben zudem die Möglichkeit, zwischen einem Schnellantwortmodus und einem Modus mit höherem Aufwand zu wählen.

OpenAI erweitert sein Angebot um eine nahezu Echtzeit-Sprachübersetzung und visuelle Karten für Wetter, Aktienkurse und Sportergebnisse. So erhalten Nutzer Antworten direkt auf dem Bildschirm, anstatt sich alles von ChatGPT vorlesen zu lassen. Laut Unternehmen nutzen bereits über 150 Millionen Menschen wöchentlich ChatGPT-Funktionen wie Sprach- und Diktierfunktion.

GPT-Live verbessert den Sprachfluss, lässt aber Lücken zurück

Laut TechCrunch, die über eine Pressekonferenz von OpenAI berichteten, wies die Hindi-Übersetzung einentronamerikanischen Akzent sowie eine sehr steife und gelehrte Sprache auf.

Laut OpenAI funktioniert das Modell am besten für „einige der gängigsten Sprachen in ChatGPT“, weist aber darauf hin, dass es bei manchen Sprachen Probleme mit Akzent oder Sprachgewandtheit geben kann. OpenAI gab außerdem an, dass die Kombination von Sprache mit Videos und Bildschirmfreigabe derzeit nicht unterstützt wird.

OpenAI bewirbt GPT-Live zwar als eine menschenähnlichere Version seiner gesamten Modellpalette, betont aber, dass es sich nicht um einen KI-Begleiter handelt. Das Unternehmen hob zudem die implementierten Sicherheitsvorkehrungen hervor, um altersgerechte Reaktionen gegenüber Jugendlichen zu gewährleisten. Weiterhin erklärte es, dass Krisenressourcen bereitstehen, falls ein Gespräch mit einem Nutzer auf Selbstverletzung abzielt.

Audioclips aus Live- und Advanced-Voice-Gesprächen werden 30 Tage lang gespeichert und nicht zum Trainieren von Modellen verwendet, es sei denn, die Benutzer entscheiden sich, sie freizugeben.

Rechtsanwalt Eleti, Produktleiter für ChatGPT Voice, sagte in der Pressekonferenz, er habe während Spaziergängen 30- bis 40-minütige Gespräche mit der Funktion geführt und argumentierte, dass Sprache zu einer Hauptmethode werden könnte, mit der Menschen längere und komplexere Aufgaben erledigen.

Angesichts der erstaunlichen Anwendungsfälle, die Menschen mit Codex und ChatGPT realisieren, glauben wir, dass Sprache die zukünftige Schnittstelle für alle Arten von Arbeit sein kann

– Eleti via TechCrunch

Der Start von GPT-5.6 rückt den Zeitpunkt in den Fokus

Das Sprachupdate ist unabhängig von der Modellveröffentlichung, die OpenAI für Donnerstag angekündigt hat.

Laut Cryptopolitandie Freigabe von GPT-5.6 für die Öffentlichkeit erteilt, nachdem das US-Handelsministerium das im Rahmen seiner nationalen Sicherheitsüberprüfung verhängte Embargo aufgehoben hatte. GPT-5.6 ist in drei Versionen erhältlich: Sol, Terra und Luna.

GPT-Live soll nach der Markteinführung für Endverbraucher auch über die API von OpenAI zugänglich sein, sodass sich Entwickler für den Zugriff registrieren können .