GPT-Live-1: preço, recursos e funcionamento da nova API de voz da OpenAI

O GPT-Live-1 é o modelo de voz da OpenAI voltado a desenvolvedores que querem criar conversas mais próximas de uma troca ao vivo — e menos parecidas com uma sequência de mensagens gravadas. Disponível na API desde 10 de setembro de 2026, ele custa US$ 0,05 por minuto pela camada de voz de front-end. O modelo de raciocínio, as ferramentas e a infraestrutura conectados por trás dele são cobrados separadamente. 35

O que muda com o áudio full-duplex

Muitos agentes de voz usam uma cadeia em três etapas: fala para texto (speech-to-text), um modelo de linguagem que produz a resposta em texto e, por fim, texto para fala (text-to-speech). Esse fluxo pode funcionar bem, mas cada etapa exige uma transição. A aplicação precisa coordenar pausas, mudanças de intenção e interrupções entre componentes diferentes. 3

O GPT-Live-1 é apresentado como um modelo único de voz que trabalha tanto com o áudio recebido quanto com o áudio que está sendo gerado. Na prática, o desenho full-duplex permite continuar ouvindo enquanto fala. A intenção é que ele consiga reagir a uma interrupção ou a um breve “aham” sem interpretar todo som, silêncio ou conversa ao fundo como uma nova solicitação obrigatória. 3

A diferença, portanto, não é apenas gerar áudio mais depressa. É ter mais controle sobre a dinâmica da conversa: perceber quando a pessoa ainda está formulando uma resposta, quando ela quer interromper e quando uma confirmação curta é apenas um sinal de que está acompanhando. A OpenAI classifica o GPT-Live-1 como sua principal opção para conversas de voz naturais e expressivas, com tratamento fluido de interrupções. 23

Voz em tempo real, raciocínio em outro modelo

O GPT-Live-1 não precisa executar toda a lógica de negócio sozinho. Ele pode manter a interação de voz em tempo real enquanto encaminha raciocínio mais profundo, chamadas de ferramentas ou ações para um modelo de backend e um framework de agentes escolhidos pelo desenvolvedor. 3

Isso abre opções práticas de arquitetura:

• usar um backend mais rápido e barato para tarefas rotineiras, como agendar um horário ou consultar um pedido;
• encaminhar solicitações complexas a um modelo mais robusto, como o GPT-6 Astra;
• conectar modelos de backend de terceiros compatíveis, se isso fizer mais sentido para a arquitetura já existente. 3

O resultado é um sistema de duas partes: o GPT-Live-1 cuida da conversa falada, enquanto o backend fornece raciocínio, dados corporativos e execução de ações. A contrapartida é que os US$ 0,05 por minuto anunciados não correspondem ao custo completo de um agente: inferência do backend, ferramentas, telefonia e serviços relacionados podem elevar a conta. 35

Recursos da API e usos previstos

Segundo a OpenAI, desenvolvedores podem orientar tom, ritmo e estilo de conversa por meio do system prompt. O GPT-Live-1 também entrega transcrições e texto das respostas, entende combinações alfanuméricas, oferece viés para palavras-chave e traz detecção de turno para produtos que ainda precisem de limites explícitos entre uma fala e outra. 3

O modelo é destinado a sessões mais longas e agentes por telefone, incluindo fluxos de suporte ao cliente e reservas. A OpenAI diz que ele consegue lidar com silêncio e ruído de fundo sem verbalizar cada etapa interna — um comportamento relevante em ligações reais e outros ambientes menos controlados. 3

O material fornecido não estabelece uma lista definitiva de idiomas compatíveis nem detalha controles específicos para sotaques e dialetos. Esses pontos devem ser confirmados na documentação atual da API antes de serem considerados requisitos de implantação.

Benchmarks divulgados pela OpenAI

A OpenAI afirma que o GPT-Live-1 superou o GPT-Realtime-2.1 em 30 pontos percentuais no Full Duplex Bench, avaliação focada em comportamento de voz interativo, como tomada de turno, pausas, interrupções, confirmações breves e fala ao fundo. 3

Quando combinado ao GPT-6 Astra com esforço de raciocínio médio, o GPT-Live-1 também ficou em primeiro lugar no Tau3, benchmark de agentes de voz de ponta em tarefas completas. A parte de atendimento ao cliente da avaliação abrange tarefas faladas nos setores aéreo, de varejo e de telecomunicações. 3

Há reportagens secundárias com números exatos de latência na tomada de turno e de pontuação no Tau3, mas o material primário fornecido não apresenta esses valores precisos. A conclusão mais segura é que a OpenAI reporta ganhos relevantes no comportamento interativo e o melhor resultado no Tau3 para a combinação GPT-Live-1 com Astra — não que toda implantação repetirá um número específico de benchmark. 37

Como os primeiros clientes estão usando o modelo

A OpenAI destacou alguns usos iniciais de agentes de voz:

• Yelp usa o GPT-Live-1 no Yelp Host para atender ligações recebidas por restaurantes, incluindo reservas e pedidos de comida. A empresa relata melhora na tomada de turno e na precisão em relação à arquitetura de voz convencional anterior, além de melhores taxas de atendimento e respostas mais completas dos clientes. 3
• Speak usa o modelo em seu tutor de aprendizado de idiomas. Segundo a OpenAI, os alunos conseguem levar mais tempo para formular respostas, e as interrupções caíram quase 80% em comparação com o sistema anterior, baseado em turnos. 34
• Uma empresa de saúde não identificada afirmou que a migração de uma arquitetura em cascata reduziu sua base de código em 80% e eliminou 23 mil linhas de código. O resultado teria apoiado conversas mais naturais com pacientes, desde o agendamento até a orientação de cuidados. Trata-se de um resultado informado pela própria empresa, não de uma auditoria independente. 3

Esses casos ilustram onde o full-duplex tende a ter mais valor: conversas em que a pessoa hesita, se corrige, faz uma confirmação no meio da fala do agente ou interrompe sem querer reiniciar toda a interação.

Preço e o papel do OpenAI Presence

O GPT-Live-1 custa US$ 0,05 por minuto pela camada de voz de front-end. Os desenvolvedores podem combiná-lo ao modelo de backend e ao framework de agentes de sua preferência, mas essas escolhas alteram o custo operacional total porque são cobradas à parte da camada de voz. 35

A OpenAI também cita o OpenAI Presence como outra forma de criar fluxos de voz usando o GPT-Live-1 para interação falada em tempo real. O material fornecido não define critérios de elegibilidade empresarial, condições comerciais, modelo de hospedagem ou processo de acesso ao Presence; portanto, esses detalhes não devem ser presumidos com base apenas no anúncio da API. 3

Para equipes que avaliam o modelo, a questão central vai além do valor por minuto: quanto uma troca de fala mais fluida agrega ao fluxo de trabalho, e qual combinação de backend e ferramentas oferece a confiabilidade necessária a um custo total aceitável?