OpenAI toi GPT-Live-1:n APIin: puheagentti kuuntelee ja puhuu yhtä aikaa

OpenAI ilmoitti 10. syyskuuta 2026 — ei 11. syyskuuta — GPT-Live-1:n yleisestä saatavuudesta APIssa. Kyse on täysdupleksisesta äänikerroksesta, jonka tavoitteena on tehdä puheagenteista luonnollisempia: malli voi kuunnella ja puhua samanaikaisesti sen sijaan, että keskustelu etenisi jäykkinä, erillisinä vuoroina. 3

Miten GPT-Live-1 poikkeaa perinteisestä puheagentista?

Tavanomainen puheagentti rakentuu ketjusta: puhe muutetaan ensin tekstiksi, kieli- tai päättelymalli käsittelee tekstin ja lopuksi vastaus muunnetaan puheeksi. Jokainen vaihe lisää viivettä ja voi häivyttää keskustelun ajoitusta, kontekstia ja luonnollista rytmiä. GPT-Live-1 yhdistää kuuntelun ja puhumisen yhdeksi äänimalliksi. 3

Käytännössä tämä tarkoittaa, että malli voi reagoida puhujan keskeytyksiin ja pieniin myöntelyihin niiden tapahtuessa. Syvempää päättelyä tai työkalujen käyttöä voidaan samalla hoitaa taustalla erillisen taustamallin avulla. 3

Kehittäjä voi valita taustalle OpenAI-mallin, kuten GPT-6 Astran, tai kolmannen osapuolen mallin. Valinta mahdollistaa kompromissin päättelykyvyn, nopeuden ja kustannusten välillä käyttötarkoituksen mukaan. 3

OpenAI nosti esiin myös järjestelmäkehotteilla säädettävät äänen sävyn, puhenopeuden ja keskustelutyylin. Lisäksi mallia on tarkoitus hyödyntää puhelinjärjestelmissä, ja siinä on ominaisuuksia taustamelun ja hiljaisuuden käsittelyyn, pitkiin istuntoihin, litteraatteihin ja vastaustekstiin, aakkosnumeeristen merkkien tunnistukseen sekä avainsanojen painottamiseen. 3

Hinta: 0,05 dollaria minuutilta

GPT-Live-1:n äänisessio maksaa 0,05 Yhdysvaltain dollaria minuutilta. Laskutus tehdään sekuntiperusteisesti, joten aikaa ei pyöristetä ylöspäin kokonaisiksi minuuteiksi. 2

Tämä hinta koskee äänikerrosta. Taustalla käytetyn mallin ja mahdollisten työkalujen käyttö laskutetaan erikseen, joten kokonaiskulu muodostuu äänisession hinnasta sekä valittujen mallien ja työkalujen käytöstä. 2

Toimitetut lähteet eivät vahvista väitteitä hallinnoidusta "Presence"-yrityskäytöstä tai tietystä aksenttien, murteiden ja kielten tuen laajennuksesta.

OpenAI:n ilmoittamat tulokset ja varhaiset käyttökokemukset

OpenAI kertoi GPT-Live-1:n parantaneen Full Duplex Bench -tulosta 30 prosenttiyksikköä GPT-Realtime-2.1:een verrattuna. GPT-Live-1:n ja keskitasoisella päättelyasetuksella käytetyn GPT-6 Astran kerrottiin sijoittuneen ensimmäiseksi Tau3-arvioinnissa. 3

Lähdeaineisto tukee näitä yleisiä vertailuväitteitä, mutta ei esitä itsenäisesti väitettyjä tarkkoja latenssilukuja tai Tau3-läpäisyprosentteja. Siksi niitä ei voi vahvistaa toimitetun aineiston perusteella.

Varhaisista käyttäjistä Yelp kertoi GPT-Live-1:n parantaneen vuorottelua ja tarkkuutta Yelp Host- ja Hatch-palveluissa verrattuna aiempaan ääniarkkitehtuuriin. Varaus- ja ruokatilauspuheluissa yhtiö raportoi paremmista puheluiden käsittelyluvuista sekä siitä, että soittajat puhuivat pidemmin ja luonnollisemmin. 3

Kieltenoppimispalvelu Speak puolestaan kertoi mallin antavan oppijoille enemmän ajatteluaikaa ennen opettajan vastausta. Yhtiön mukaan keskeytykset vähenivät lähes 80 prosenttia aiempiin vuoropohjaisiin järjestelmiin verrattuna. 3

Erään terveydenhuoltoalan yrityksen perustaja ja teknologiajohtaja sanoi, että ketjutetun toteutuksen korvaaminen yksinkertaisti koodipohjaa 80 prosenttia ja poisti 23 000 koodiriviä. Tavoitteena oli luonnollisempi reaaliaikainen keskustelu potilaiden kanssa. 3