GPT-Live-1 přináší do API přirozenější hlasové agenty za 0,05 USD za minutu

OpenAI oznámilo obecnou dostupnost GPT-Live-1 v API 10. září 2026, nikoli 11. září. Vývojářům tím zpřístupnilo hlasový model pro agenty, kteří mohou poslouchat a odpovídat současně — bez nutnosti vést dialog jako sled striktně oddělených, dokončených tahů. 116

Co v praxi znamená „full-duplex“

Běžný hlasový agent často funguje jako řetězec tří kroků: převod řeči na text, zpracování jazykovým modelem a převod odpovědi zpět na řeč. GPT-Live-1 je určen jako jednotná hlasová vrstva pro konverzaci probíhající v reálném čase. 1

Klíčovou změnou je střídání v hovoru. Podle OpenAI dokáže model zároveň poslouchat i mluvit, reagovat na pauzy, změny tempa a přerušení a průběžně rozhodovat, zda má odpovědět, nebo ještě naslouchat. Krátká přitakání či slovní signály, že druhý člověk stále vnímá řeč — takzvané backchannels — proto nemají být vyhodnoceny jako chyba, ale jako přirozená součást rozhovoru. 1915

Neznamená to ovšem, že by hlasový model musel sám řešit vše. Konverzace přes GPT-Live-1 může pokračovat, zatímco backendový model nebo agent na pozadí provádí složitější uvažování či používá nástroje. OpenAI podporuje delegování Responses na model OpenAI i klientské delegování na vlastní backend vývojáře. 116

Rozdělení práce mezi hlas a backend

GPT-Live-1 má fungovat jako konverzační přední vrstva: obstarává naslouchání, mluvení a načasování dialogu. Backend pak může řešit náročnější úkoly, například vyhledávání, práci s daty, provádění workflow nebo volání nástrojů.

V poznámkách k produktům OpenAI se pro obtížnější vyhledávací a logické úlohy uvádí GPT-6 Astra. U API však mohou vývojáři prostřednictvím klientského delegování připojit také vlastní backend. 416

Pro návrh agenta z toho plyne jednoduché rozdělení:

• GPT-Live-1 řídí živý hlasový kontakt — kdy poslouchat, kdy mluvit a jak reagovat v průběhu hovoru.
• Backendový model či agent může rozhodovat o složitějších krocích a obsluhovat nástroje.
• Celková cena a chování řešení závisejí na obou vrstvách, ne pouze na hlasovém modelu. 1618

OpenAI u vydání zároveň vyzdvihlo lepší plnění instrukcí, vlastní hlasy a podporu telefonie. 13

Cena: 0,05 USD za minutu hlasu, plus backend

Hlasová relace GPT-Live-1 stojí 0,05 USD za minutu. Účtování probíhá po sekundách, bez zaokrouhlení na celou další minutu. 1618

Jde však jen o cenu hlasové vrstvy, nikoli nutně o konečnou cenu kompletního hlasového agenta. Použití backendového modelu a nástrojů se účtuje samostatně. Při plánování provozních nákladů je proto nutné počítat jak s délkou hovoru, tak s výpočetní prací delegovanou na pozadí. 1618

Benchmarky: co OpenAI uvádí a co podklady nepotvrzují

OpenAI uvedlo, že GPT-Live-1 dosáhl na svém testu Full Duplex Bench zlepšení o 30 procentních bodů oproti GPT-Realtime-2.1. Kombinace GPT-Live-1 a GPT-6 Astra při střední úrovni uvažování se podle firmy umístila na prvním místě v testu Tau3. 1

Dodané podklady ale nezávisle nedokládají konkrétní hodnoty latence střídání v hovoru ani přesné srovnání úspěšnosti v Tau3, které zazněly v původním dotazu. Tyto přesné údaje proto nelze na základě zde dostupných zdrojů považovat za ověřené.

Zkušenosti prvních nasazení

OpenAI uvádí několik příkladů z produkčního provozu, které mají ilustrovat přínos přirozenějšího střídání v hovoru:

• Yelp po nasazení GPT-Live-1 do služeb Yelp Host a Hatch uvedl lepší střídání v hovoru i přesnost. U telefonátů kvůli rezervacím a objednávkám jídla firma zaznamenala, že volající používali delší a přirozenější formulace a zlepšilo se odbavení hovorů. 1
• Speak uvedl, že studenti jazyků dostali více času na rozmyšlenou, než virtuální lektor odpověděl. Ve srovnání s dřívějšími systémy založenými na tazích to podle společnosti snížilo přerušování téměř o 80 %. 1
• Blíže nejmenovaná zdravotnická společnost sdělila, že přechod od kaskádového řešení zjednodušil její kódovou základnu o 80 % a odstranil 23 000 řádků kódu; zároveň měl přinést přirozenější komunikaci s pacienty v reálném čase. 1

Jde o výsledky uváděné samotnými firmami, nikoli o nezávislá hodnocení. Je vhodné je chápat jako příklady konkrétních nasazení, ne jako záruku stejných výsledků pro každý projekt.

Co dostupné materiály nepotvrzují

Předložené zdroje nedokládají tvrzení o podnikovém přístupu přes spravovaný produkt nazvaný „Presence“. Neprokazují ani konkrétní rozšíření podpory akcentů, dialektů či jazyků v souvislosti s tímto vydáním API. Před nákupním nebo implementačním rozhodnutím je namístě ověřit tyto body přímo v aktuální dokumentaci OpenAI.

Shrnutí

Nejdůležitější změna GPT-Live-1 je architektonická: do API přináší full-duplexní hlasovou vrstvu, která má vést plynulejší rozhovor, zatímco pomalejší uvažování a práci s nástroji obstará samostatný systém na pozadí. Cena hlasové relace je 0,05 USD za minutu a počítá se po sekundách, ale skutečné náklady na agenta budou vždy záviset i na zvoleném backendovém modelu a nástrojích. 11618