OpenAI lanserar GPT‑Live‑1 i API:t – röstmodellen som kan lyssna och tala samtidigt

OpenAI:s API-lansering var daterad 10 september 2026, inte den 11 september. Företaget presenterade då GPT‑Live‑1 som en allmänt tillgänglig röstmodell med full duplex – alltså en modell som kan lyssna och tala parallellt, snarare än att hantera samtalet i tydligt avgränsade turer. 3

Från röstkedja till samtal i realtid

Traditionella röstassistenter bygger ofta på en kedja: tal omvandlas först till text, skickas till en språk- eller resonemangsmodell och omvandlas sedan tillbaka till tal. Varje steg kan skapa fördröjning och göra att modellen missar sådant som tempo, tajming och samtalsrytm. GPT‑Live‑1 samlar i stället lyssnande och tal i en och samma röstmodell. 3

Det innebär enligt OpenAI att modellen kan hantera avbrott och korta bekräftelser medan de sker. Samtidigt kan ett anslutet bakgrundssystem sköta mer krävande resonemang eller använda verktyg. 3

Utvecklare kan välja att delegera sådana uppgifter till en OpenAI-modell, exempelvis GPT‑6 Astra, eller till en tredjepartsmodell. Därmed går det att väga resonemangsförmåga mot hastighet och kostnad beroende på användningsfall. 3

OpenAI lyfter också fram styrning via systempromptar för tonläge, taltempo och samtalsstil. Bland övriga funktioner nämns telefoniintegration, hantering av bakgrundsljud och tystnad, stabilitet i längre sessioner, transkriptioner och svarstext, igenkänning av alfanumeriska tecken samt möjlighet att prioritera vissa nyckelord. 3

Pris: 0,05 dollar per minut – men inte hela samtalskostnaden

GPT‑Live‑1 kostar 0,05 dollar per minut för röstsessioner. Debiteringen sker per sekund, utan avrundning upp till hela minuter. 2

Kostnader för den backendmodell och de verktyg som används under samtalet tillkommer. Den faktiska kostnaden blir därför röstlagrets avgift plus användningen av vald modell och eventuella verktyg. 2

Det finns däremot inte tillräckligt underlag i de tillhandahållna källorna för uppgifter om en hanterad företagsfunktion kallad ”Presence” eller om specifikt utökade accenter, dialekter och språk.

OpenAI:s egna benchmarkresultat

OpenAI uppger att GPT‑Live‑1 förbättrade resultatet med 30 procentenheter på sitt Full Duplex Bench jämfört med GPT‑Realtime‑2.1. Företaget skriver också att GPT‑Live‑1, ihop med GPT‑6 Astra på medelhög resonemangsnivå, placerade sig etta på Tau3. 3

De tillhandahållna källorna styrker det övergripande benchmarkpåståendet, men visar inte självständigt de exakta siffrorna för latens eller Tau3-resultat. De siffrorna bör därför betraktas som obekräftade utifrån underlaget här.

Tidiga kundrapporter

Yelp uppger att integreringen av GPT‑Live‑1 i Yelp Host och Hatch förbättrade både turtagande och träffsäkerhet jämfört med företagets tidigare röstarkitektur. För samtal om bordsbokning och matbeställning rapporterade Yelp bättre hantering av samtal och att uppringare talade i längre och mer naturliga yttranden. 3

Språkinlärningstjänsten Speak uppger att modellen gav elever längre betänketid innan läraren svarade och minskade avbrotten med nästan 80 procent jämfört med tidigare turbaserade system. 3

En medgrundare och teknisk chef på ett vårdföretag sade att bytet från en kedjebaserad lösning förenklade kodbasen med 80 procent och tog bort 23 000 rader kod, vilket enligt personen möjliggjorde mer naturliga patientdialoger i realtid. 3