GPT‑Live‑1 arriva nell’API: come cambia la voce AI con il full‑duplex

OpenAI ha annunciato il 10 settembre 2026, e non l’11 settembre, la disponibilità generale di GPT‑Live‑1 nell’API. È un modello vocale full‑duplex pensato per agenti che conversano in modo più fluido: può ascoltare l’utente e parlare contemporaneamente, invece di trattare ogni intervento come un turno chiuso e separato. 3

Cosa cambia rispetto ai normali agenti vocali

Molti agenti vocali tradizionali usano una pipeline in tre passaggi: speech-to-text (trascrizione dell’audio), modello linguistico o di ragionamento, e text-to-speech (generazione della voce). Ogni passaggio può aggiungere ritardo e far perdere elementi come ritmo, tempismo e segnali conversazionali. GPT‑Live‑1 integra ascolto e parlato in un unico modello vocale. 3

In pratica, il sistema può gestire interruzioni e brevi segnali di assenso mentre si verificano. Un modello backend abbinato può intanto svolgere ragionamenti più complessi o utilizzare strumenti. Gli sviluppatori possono delegare questa parte a un backend OpenAI, come GPT‑6 Astra, oppure a un modello di terze parti, scegliendo il compromesso desiderato fra capacità di ragionamento, velocità e costo. 3

OpenAI ha inoltre indicato controlli via system prompt per tono, ritmo e stile della conversazione, oltre al supporto per impieghi in telefonia, gestione di rumore di fondo e silenzi, affidabilità nelle sessioni più lunghe, trascrizioni e testo delle risposte, riconoscimento di sequenze alfanumeriche e keyword biasing. 3

Prezzo: 0,05 dollari al minuto, ma non è il costo totale

Le sessioni vocali GPT‑Live‑1 costano 0,05 dollari al minuto e sono fatturate al secondo, senza arrotondamento al minuto intero. 2

A questa tariffa si aggiungono separatamente i costi del modello backend e degli eventuali strumenti usati durante la sessione. Perciò il prezzo effettivo di un agente dipende sia dalla durata della conversazione sia dal modello e dalle chiamate agli strumenti scelti per la parte di ragionamento. 2

Le fonti fornite non confermano invece dettagli su un presunto accesso enterprise gestito denominato “Presence”, né una specifica espansione di accenti, dialetti e lingue: su questi punti non ci sono elementi sufficienti.

Prestazioni dichiarate e primi casi d’uso

OpenAI ha riferito un miglioramento di 30 punti percentuali nel Full Duplex Bench rispetto a GPT‑Realtime‑2.1. Ha anche affermato che GPT‑Live‑1, abbinato a GPT‑6 Astra con sforzo di ragionamento medio, si è classificato al primo posto su Tau3. 3

Le fonti disponibili supportano questi risultati in termini generali, ma non mostrano direttamente gli specifici valori di latenza di 1,41 contro 0,798 secondi né i tassi di superamento Tau3 dell’86,2% contro il 45,7%. Quei numeri puntuali vanno quindi considerati non verificati sulla base del materiale fornito.

Fra i primi utilizzatori citati da OpenAI, Yelp ha dichiarato che l’integrazione in Yelp Host e Hatch ha migliorato alternanza dei turni e accuratezza rispetto alla precedente architettura vocale. Per le chiamate relative a prenotazioni e ordini di cibo, l’azienda ha riportato miglioramenti nella gestione delle chiamate e interventi degli utenti più completi e naturali. 3

Speak ha segnalato che gli studenti di lingue hanno avuto più tempo per pensare prima della risposta del tutor, con quasi l’80% di interruzioni in meno rispetto ai precedenti sistemi basati su turni. Il cofondatore e CTO di un’azienda sanitaria ha invece dichiarato che la sostituzione di un’implementazione a cascata ha semplificato l’80% del codice e rimosso 23.000 righe, favorendo conversazioni con i pazienti più naturali e in tempo reale. 3

Il punto per chi sviluppa

La novità non consiste soltanto nel far parlare un assistente con una voce più naturale. GPT‑Live‑1 separa il livello della conversazione immediata — ascolto, risposta, pause e interruzioni — dal motore che ragiona, cerca informazioni o esegue azioni. L’obiettivo è consentire agli sviluppatori di costruire assistenti telefonici e app vocali meno rigidi, mantenendo al tempo stesso libertà di scelta per il backend. 3