OpenAI Luncurkan GPT-Live-1 di API: Model Suara Full-Duplex

Pengumuman API OpenAI itu bertanggal 10 September 2026, bukan 11 September. OpenAI memperkenalkan GPT-Live-1 sebagai model suara full-duplex yang tersedia secara umum untuk pengembang. Intinya, model ini ditujukan untuk membuat agen suara terasa lebih natural karena dapat mendengarkan dan berbicara pada saat yang sama, bukan menunggu percakapan selesai per giliran. 3

Apa perbedaannya dengan sistem suara konvensional?

Agen suara tradisional biasanya memakai rangkaian tiga tahap: speech-to-text untuk mengubah suara menjadi teks, model bahasa atau penalaran untuk menyusun respons, lalu text-to-speech untuk mengubah respons menjadi suara. Setiap perpindahan tahap dapat menambah jeda serta berisiko menghilangkan konteks waktu dan ritme percakapan. GPT-Live-1 menyatukan fungsi mendengar dan berbicara dalam satu model suara. 3

Karena bersifat full-duplex, GPT-Live-1 dapat menangani interupsi pengguna maupun respons singkat seperti tanda setuju saat percakapan berlangsung. Sementara itu, penalaran yang lebih mendalam atau penggunaan alat dapat diproses di latar belakang oleh model backend yang dipasangkan dengannya. 3

Pengembang dapat mendelegasikan tugas tersebut ke backend OpenAI, seperti GPT-6 Astra, atau ke model pihak ketiga. Pilihan ini memungkinkan pengembang menyesuaikan keseimbangan kemampuan penalaran, kecepatan, dan biaya untuk kebutuhan aplikasinya. 3

OpenAI juga menyoroti kontrol melalui system prompt untuk mengatur nada bicara, tempo, dan gaya percakapan. Fitur lain yang disebut mencakup penerapan untuk telepon, penanganan kebisingan latar dan keheningan, keandalan sesi yang lebih panjang, transkrip atau teks respons, pengenalan karakter alfanumerik, serta keyword biasing. 3

Harga dan skema tagihan

Sesi suara GPT-Live-1 dikenai tarif US$0,05 per menit dan ditagihkan per detik, tanpa pembulatan ke satu menit penuh. 2

Biaya tersebut hanya untuk lapisan suara. Pemakaian model backend dan alat ditagihkan secara terpisah, sehingga total biaya bergantung pula pada model dan alat yang dipilih pengembang. 2

Bukti yang tersedia tidak mendukung rincian akses perusahaan terkelola “Presence” maupun klaim spesifik tentang perluasan aksen, dialek, dan bahasa. Karena itu, kedua hal tersebut tidak dapat dipastikan dari sumber yang diberikan.

Benchmark dan pengalaman pengguna awal

OpenAI melaporkan peningkatan 30 poin persentase pada Full Duplex Bench dibanding GPT-Realtime-2.1. Dalam pengujian Tau3, GPT-Live-1 yang dipasangkan dengan GPT-6 Astra pada tingkat penalaran menengah disebut menempati peringkat pertama. 3

Namun, sumber yang disediakan tidak menampilkan secara independen angka latensi spesifik 1,41 detik versus 0,798 detik maupun tingkat kelulusan Tau3 86,2% versus 45,7%. Angka-angka tersebut sebaiknya diperlakukan sebagai belum terverifikasi berdasarkan bukti yang tersedia.

Yelp menyatakan integrasi GPT-Live-1 pada Yelp Host dan Hatch meningkatkan pengelolaan giliran bicara serta akurasi dibanding arsitektur suara sebelumnya. Untuk panggilan reservasi dan pemesanan makanan, perusahaan itu melaporkan kenaikan berarti dalam tingkat penanganan panggilan dan pengguna berbicara dengan ujaran yang lebih lengkap serta natural. 3

Speak mengatakan model tersebut memberi pelajar bahasa lebih banyak waktu untuk berpikir sebelum tutor merespons, sehingga interupsi berkurang hampir 80% dibanding sistem berbasis giliran sebelumnya. 3

Seorang pendiri bersama sekaligus CTO perusahaan layanan kesehatan juga mengatakan bahwa penggantian implementasi berantai menyederhanakan basis kode hingga 80% dan menghapus 23.000 baris kode, yang disebut memungkinkan percakapan pasien waktu nyata terasa lebih alami. 3