OpenAI rollt Full-Duplex GPT-Live-Stimme für ChatGPT-Consumer-Nutzer aus

OpenAI begann am Mittwoch damit, einen neu gestalteten Sprachmodus für ChatGPT-Consumer-Nutzer auszurollen, der den Advanced Voice Mode durch zwei Modelle ersetzt, GPT-Live-1 und GPT-Live-1 mini, die einen Benutzer hören und gleichzeitig antworten können.

Das Update wird für kostenlose und bezahlte Consumer-Konten verfügbar sein und kommt einen Tag vor der Einführung der GPT-5.6-Modellfamilie durch das Unternehmen.

Der Hauptgrund für den Wechsel zu GPT Live ist architektonischer Natur. Während frühere Sprachmodelle darauf warteten, dass der menschliche Sprecher seinen Satz beendet, basiert GPT-Live auf OpenAIs Full-Duplex-Architektur, die die Verarbeitung von Eingabesprache und die gleichzeitige Generierung von Ausgabesprache beinhaltet.

Laut der Ankündigung von OpenAI entscheidet das Modell viele Male pro Sekunde, ob es sprechen, weiterhören, pausieren, dazwischenreden oder auf ein Tool zurückgreifen soll. In der Praxis bedeutet das, dass ein Benutzer darüber sprechen kann, innehalten kann, um nachzudenken, ohne unterbrochen zu werden, oder es kann ein „mhmm“ hören, um zu signalisieren, dass es folgt.

OpenAI bringt GPT-Live zu ChatGPT Voice

Kostenlose ChatGPT-Konten verwenden standardmäßig GPT-Live-1 mini, während Abonnenten der Stufen Go, Plus und Pro das größere GPT-Live-1 erhalten.

Das Rollout deckt iOS, Android und das Web ab, und da ChatGPT bereits über CarPlay funktioniert, bemerkte 9to5Mac, dass das Update auch im Auto landet. OpenAI sagt, die neun Stimmen in ChatGPT wurden für die neuen Modelle neu gemastert.

Es sagte auch, es habe GPT-Live so gebaut, dass es ein Konversationspartner ist, keine Reasoning-Engine. Für komplexere Anfragen übernimmt GPT-Live nicht alles allein. Laut OpenAI ist das Sprachmodell in der Lage, Aufgaben wie Websuche, Reasoning und sogar mehrstufige Antworten an GPT-5.5 zu delegieren, ohne die Sprachkonversation zu pausieren.

Dies soll eines der größten Mängel des früheren Sprachmodus von ChatGPT beheben, bei dem es manchmal weniger leistungsfähig wirkte als das Tippen. Benutzer haben auch die Option, zwischen einem Quick-Response-Modus und einem High-Effort-Modus zu wählen.

OpenAI fügt auch nahezu Echtzeit-Sprachübersetzung und visuelle Karten für Wetter, Aktienkurse und Sportergebnisse hinzu, was den Nutzern einige Antworten auf dem Bildschirm gibt, anstatt ChatGPT alles vorzulesen. Das Unternehmen sagte, mehr als 150 Millionen Menschen nutzen bereits wöchentlich ChatGPT-Funktionen wie Voice und Dictation.

GPT-Live verbessert den Sprachfluss, lässt aber Lücken

Laut TechCrunch, das eine OpenAI-Pressekonferenz berichtete, hatte die Hindi-Übersetzung einen starken amerikanischen Akzent sowie sehr steife und buchhalterische Sprache.

Laut OpenAI funktioniert das Modell am besten für „einige der häufigsten Sprachen in ChatGPT“, obwohl sie warnen, dass es bei einigen Sprachen Probleme mit dem Akzent oder der Flüssigkeit geben könnte. Außerdem erklärte OpenAI, dass Stimme in Kombination mit Videos und Screen-Sharing derzeit nicht unterstützt wird.

Obwohl OpenAI GPT-Live als eine menschlichere Version seiner gesamten Modellreihe beworben hat, besteht es darauf, dass es kein KI-Begleiter ist. Das Unternehmen hob auch die Schutzmaßnahmen hervor, die es getroffen hat, um altersgerechte Antworten für Jugendliche zu gewährleisten. Es fügte auch hinzu, dass Krisenressourcen vorhanden sind, falls eine Benutzerkonversation auf Selbstverletzung ausgerichtet ist.

Audio-Clips aus Live- und Advanced-Voice-Konversationen werden 30 Tage lang aufbewahrt und nicht zum Trainieren von Modellen verwendet, es sei denn, Benutzer entscheiden sich, sie zu teilen.

Atty Eleti, Produktleiter für ChatGPT Voice, sagte in der Besprechung, er habe 30- bis 40-minütige Gespräche mit der Funktion bei Spaziergängen geführt, und argumentierte, dass Stimme zu einer Hauptart werden könnte, wie Menschen längere, komplexere Aufgaben ausführen.

Die Art von erstaunlichen Anwendungsfällen, die wir sehen, wie Menschen Codex und ChatGPT nutzen, um Aufgaben zu erledigen, glauben wir, dass Stimme die zukünftige Schnittstelle für alle Arten von Arbeit sein kann

– Eleti via TechCrunch

GPT-5.6-Start bringt die Timing-Frage in den Fokus

Das Sprachupdate ist getrennt von der Modellfreigabe, die OpenAI für Donnerstag geplant hat.

Laut Cryptopolitan wurde die Genehmigung von GPT-5.6 für die öffentliche Freigabe erteilt, nachdem das US-Handelsministerium das während seiner nationalen Sicherheitsüberprüfung verhängte Embargo aufgehoben hatte, und es ist in drei Versionen verfügbar: Sol, Terra und Luna.

GPT-Live wird nach dem Consumer-Rollout OpenAIs API erreichen, wobei Entwickler sich registrieren können, um Zugang zu erhalten.