OpenAI führt GPT‑Live ein: Full‑Duplex‑Audio erlaubt gleichzeitiges Zuhören und Sprechen; komplexe Aufgaben laufen im Hintergrund weiter.
In Kürze
- Full‑Duplex: ChatGPT hört und spricht parallel, auch mit kurzen Einwürfen
- Hintergrund‑Delegation an GPT‑5.5 für aufwendiges Reasoning
- Verfügbar für Go/Plus/Pro; Mini gratis, aber kein Video/Screen‑Share
OpenAI bringt ChatGPT Voice auf Empfang: GPT‑Live hört und spricht gleichzeitig
OpenAI hat seine Sprachfunktion ChatGPT Voice grundlegend überarbeitet. Die neue Generation heißt GPT‑Live und arbeitet mit einer Full‑Duplex‑Architektur: das System verarbeitet den Audiostrom kontinuierlich und kann gleichzeitig zuhören und sprechen. Praktisch heißt das, dass das Modell nicht mehr erst auf längere Pausen wartet, sondern laufend entscheidet, ob es zuhört oder antwortet — inklusive kurzer Bestätigungen wie „Mhmm“ oder echten Unterbrechungen.
Wie sich die Technik entwickelt hat
-
2023 lief ChatGPT Voice in drei klar getrennten Schritten: Speech‑to‑Text (STT) zum Umwandeln von Sprache in Text, dann das Sprachmodell zur Antwortgenerierung und schließlich Text‑to‑Speech (TTS), das die Antwort sprachlich ausspielte.
-
2024 führte OpenAI den Advanced Voice Mode ein: ein einziges Audiomodell sorgte für geringere Latenz und natürlichere Stimmen, blieb aber weiterhin rundengebunden.
-
GPT‑Live geht jetzt einen Schritt weiter: Full‑Duplex macht Gespräche deutlich echtzeitnäher, weil Hören und Sprechen parallel möglich sind.
Hintergrund‑Delegation für kompliziertere Aufgaben
GPT‑Live kann rechenintensive oder längere Aufgaben im Hintergrund an ein leistungsfähigeres Modell (GPT‑5.5) weitergeben. Das heißt, während du sprichst, kann das System bereits eine Websuche starten oder tiefere Analysen anstoßen, ohne dass du auf eine komplette Pause warten musst. Du kannst aus drei Modi wählen: Instant (für schnelle Antworten), Medium und High (für anspruchsvolleres Reasoning).
Messbare Verbesserungen
OpenAI nennt vergleichende Nutzerstudien: GPT‑Live‑1 wurde in 75,7 % der Fälle gegenüber dem Advanced Voice Mode bevorzugt; die kleinere GPT‑Live‑1 mini lag bei 69,2 %. Bei Benchmarks zeigt sich ebenfalls ein Sprung: Beim wissenschaftlichen Reasoning‑Benchmark GPQA stieg die Trefferquote von 45,3 % auf 84,2 %. Beim Search‑Benchmark BrowseComp verbesserte sich die Trefferquote von 0,7 % auf bis zu 75,2 % — eine Verbesserung, die OpenAI vor allem der Hintergrund‑Delegation zuschreibt.
Sicherheitsmechanismen und Einschränkungen
Echtzeitdialoge erschweren Nachmoderation, deshalb kann GPT‑Live während eines Gesprächs aktiv eingreifen: Ausgaben umleiten, Hilfsressourcen bereitstellen oder in Hochrisiko‑Fällen das Gespräch beenden. Das Modell wurde laut OpenAI dahingehend trainiert, altersgerecht auf Jugendliche zu reagieren; Eltern können Kindersicherungsoptionen nutzen. Bei Anzeichen von Selbstverletzung ist ein angepasster Unterstützungsablauf hinterlegt, inklusive Hinweisen zu Krisentelefonen. Stimmimitation ist nicht vorgesehen — GPT‑Live nutzt nur vordefinierte Stimmen.
Unterschied zur Realtime API
GPT‑Live ist nicht dasselbe wie OpenAIs Realtime API. Die Realtime API ist eine Entwicklerschnittstelle, mit der Firmen eigene Sprach‑Anwendungen (etwa Callcenter, Assistenten oder Übersetzer) bauen können. Sie bleibt im Kern rundengebunden, wenn auch mit geringerer Latenz als früher. Parallel hat OpenAI GPT‑Realtime‑2 vorgestellt, das ein deutlich größeres Kontextfenster erlaubt, parallele Tool‑Aufrufe unterstützt und einstellbare Reasoning‑Stufen bietet.
Bekannte Einschränkungen und fehlende Funktionen
Zum Start fehlen Video‑ und Bildschirmfreigabe während Sprachgesprächen — eine Funktion, die es im Advanced Voice Mode gab. Bei weniger verbreiteten Sprachen kann GPT‑Live mit fremdem Akzent sprechen oder Lücken zeigen. OpenAI nennt diese Punkte als bekannte Grenzen der aktuellen Version.
Verfügbarkeit
GPT‑Live‑1 ist Standard für Go‑, Plus‑ und Pro‑Nutzer; GPT‑Live‑1 mini steht als kostenlose Variante zur Verfügung. Die Funktion ist auf iOS, Android und ChatGPT.com nutzbar.
Quellen
- Quelle: OpenAI
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
