GPT‑Live‑1 v API: OpenAI sází na plynulejší hlasové konverzace

OpenAI oznámilo dostupnost GPT‑Live‑1 v API 10. září 2026, nikoli 11. září. Jde o obecně dostupný full‑duplexní hlasový model určený pro vývojáře hlasových aplikací a firemních workflow. Jeho hlavním cílem je, aby dialog nepůsobil jako výměna jednotlivých, přísně oddělených replik, ale více jako běžný rozhovor. 3

V čem se liší od běžného hlasového řetězce

Tradiční hlasový agent obvykle skládá dohromady tři samostatné kroky: převod řeči na text, zpracování textu jazykovým či reasoningovým modelem a převod odpovědi zpět na řeč. Každé předání mezi těmito vrstvami může přidat prodlevu a zhoršit práci s načasováním, kontextem nebo rytmem rozhovoru.

GPT‑Live‑1 slučuje naslouchání a mluvení do jediného hlasového modelu. Dokáže tedy reagovat na průběžné signály v hovoru — například na krátké přitakání nebo přerušení — zatímco náročnější uvažování či volání nástrojů může na pozadí zpracovat připojený backend. 3

Vývojáři si mohou pro tento backend zvolit řešení OpenAI, například GPT‑6 Astra, ale také model třetí strany. Smyslem je kombinovat přirozené vedení hovoru s takovou úrovní schopností, rychlosti a nákladů, jakou daný případ použití vyžaduje. 3

Co mají vývojáři k dispozici

OpenAI vyzdvihlo ovládání pomocí systémových instrukcí, které má umožnit nastavit tón, tempo a konverzační styl hlasového agenta. Mezi další uváděné funkce patří nasazení v telefonii, práce s hlukem na pozadí a tichem, spolehlivější delší relace, přepisy a text odpovědí, rozpoznávání alfanumerických údajů i zvýhodnění zvolených klíčových slov při rozpoznávání. 3

Cena: hlasová vrstva zvlášť, backend zvlášť

Hlasové relace GPT‑Live‑1 stojí 0,05 USD za minutu a účtují se po sekundách, bez zaokrouhlení na celou minutu. 2

Do této sazby se však nezapočítává použití backendového modelu ani nástrojů. Celkový účet proto tvoří cena hlasové relace plus náklady na vybraný model a případná volání nástrojů. 2

Výsledky a první zkušenosti

OpenAI uvádí, že GPT‑Live‑1 dosáhlo o 30 procentních bodů lepšího výsledku v benchmarku Full Duplex Bench než GPT‑Realtime‑2.1. Varianta GPT‑Live‑1 spojená s GPT‑6 Astra při střední úrovni reasoningového úsilí se podle firmy umístila na prvním místě v testu Tau3. 3

Mezi prvními uživateli modelu je Yelp, který po integraci do služeb Yelp Host a Hatch zaznamenal lepší střídání v hovoru i přesnost oproti dřívější hlasové architektuře. U hovorů o rezervacích a objednávkách jídla firma uvedla vyšší míru úspěšného vyřízení a přirozenější, delší promluvy volajících. 3

Platforma Speak uvedla, že model dává studentům jazyků více času na rozmyšlenou, než zareaguje virtuální lektor; oproti dřívějším systémům založeným na střídání tahů tím podle firmy klesl počet přerušení téměř o 80 %. Spoluzakladatel a technický ředitel jedné zdravotnické společnosti pak popsal, že náhrada kaskádového řešení zjednodušila kódovou základnu o 80 % a odstranila 23 000 řádků kódu. 3

Přesná čísla pro latenci a konkrétní procentní úspěšnost v testu Tau3 nejsou v dodaných podkladech samostatně doložena, a nelze je proto z nich nezávisle potvrdit.