GPT-Live-1 API: Aynı Anda Dinleyip Konuşan Sesli Ajanlar İçin Yeni Katman

OpenAI, GPT-Live-1’i 10 Eylül 2026’da API’de genel kullanıma açtı; duyuru tarihi 11 Eylül değil. Yeni model, geliştiricilerin sesli ajanlarda daha doğal bir konuşma akışı kurmasını hedefliyor: Sistem, karşısındaki kişi konuşurken dinlemeyi sürdürebiliyor ve gerektiğinde aynı anda yanıt verebiliyor. 116

Tam çift yönlü ses neyi değiştiriyor?

Geleneksel sesli ajanlar çoğunlukla üç aşamalı bir zincirle çalışır: konuşma önce metne dönüştürülür, dil modeli yanıtı üretir, ardından metin tekrar sese çevrilir. GPT-Live-1 ise gerçek zamanlı konuşma bölümünü tek bir ses katmanında ele alacak şekilde konumlandırılıyor. 1

Asıl fark, konuşma sırasının yönetiminde ortaya çıkıyor. OpenAI’ye göre GPT-Live-1 aynı anda dinleyip konuşabiliyor; duraklamaları, konuşma hızındaki değişimleri ve araya girmeleri takip ederek yanıt vermesi mi yoksa dinlemeyi sürdürmesi mi gerektiğine karar verebiliyor. Böylece kısa onay ifadeleri veya söz kesmeler, bir hata gibi değil, doğal konuşmanın parçası gibi işlenebiliyor. 1915

Bu yapı, ses modelinin her işi tek başına yapacağı anlamına gelmiyor. Konuşma sürerken, daha derin muhakeme gerektiren işler ya da araç kullanımı arka uçta çalışan bir modele veya ajana aktarılabiliyor. OpenAI, kendi modelleriyle Responses delegation seçeneğini; geliştiricilerin kendi arka uçlarını bağlayabilmesi için de client delegation seçeneğini sunuyor. 116

Ses katmanı önde, muhakeme arka planda

GPT-Live-1, kullanıcının doğrudan etkileşimde olduğu canlı ses katmanı olarak düşünülebilir. Arka uçtaki model ya da ajan ise karmaşık kararlar, bilgi getirme, iş akışı yürütme ve araç çağrıları gibi görevleri üstlenebilir. OpenAI’nin ürün notlarında, zor arama ve muhakeme görevleri için GPT-6 Astra bir seçenek olarak anılıyor; API geliştiricileri ise istemci delegasyonu yoluyla kendi arka uçlarını da kullanabiliyor. 416

Bu ayrım, ekipler için şu anlama geliyor:

• GPT-Live-1, dinleme, konuşma ve konuşma zamanlamasını yönetir.
• Arka uç model veya ajan, karmaşık kararları ve araçları ele alır.
• Toplam maliyet ile davranış, yalnızca ses modeline değil, iki katmanın birlikte nasıl kurulduğuna bağlıdır. 1618

OpenAI ayrıca API sürümünde daha güçlü talimat takibi, özel sesler ve telefon altyapısı desteğini öne çıkardı. 13

Fiyatlandırma: Ses için dakikası 0,05 dolar, arka uç ayrıca

GPT-Live-1 ses oturumlarının fiyatı dakikası 0,05 dolar. Ücretlendirme saniye bazında yapılıyor; bir sonraki tam dakikaya yuvarlama uygulanmıyor. 1618

Bu tutar yalnızca ses oturumu katmanını kapsıyor. Arka uçtaki modelin kullanımı ve araç çağrıları ayrı ücretlendirildiği için, üretimde çalışan bir sesli ajanın bütçesi hem görüşme süresini hem de arka planda devredilen işleri hesaba katmalı. 1618

Performans iddialarında hangi noktalar doğrulanıyor?

OpenAI, GPT-Live-1’in kendi Full Duplex Bench değerlendirmesinde GPT-Realtime-2.1’e göre 30 puanlık iyileşme sağladığını bildirdi. Şirket ayrıca GPT-Live-1’in orta düzey muhakeme ayarındaki GPT-6 Astra ile eşleştirilmesinin Tau3’te ilk sıraya çıktığını belirtti. 1

Bununla birlikte, sağlanan kaynak materyal; soru metninde geçen konuşma sırası gecikmesine veya Tau3 başarı oranları arasındaki kesin karşılaştırmaya ilişkin belirli rakamları bağımsız biçimde doğrulamıyor. Bu nedenle, bu net sayıların burada doğrulanmış kabul edilmemesi gerekir.

Erken kullanıcıların aktardıkları

OpenAI, daha doğal konuşma sırası yönetiminin değerini göstermek için bazı erken üretim kullanımlarını paylaştı:

• Yelp, GPT-Live-1’i Yelp Host ve Hatch’e entegre ettikten sonra konuşma sırası yönetimi ve doğrulukta iyileşme gördüğünü belirtti. Rezervasyon ve yemek siparişi görüşmelerinde arayanların daha uzun ve doğal ifadeler kullandığını, çağrı yönetiminin de iyileştiğini aktardı. 1
• Speak, dil öğrenen kullanıcıların öğretmen yanıt vermeden önce düşünmek için daha fazla zaman bulduğunu; önceki sıra tabanlı sistemlere kıyasla kesintilerin yaklaşık %80 azaldığını bildirdi. 1
• Bir sağlık şirketi, kademeli mimariden uzaklaşmanın kod tabanını %80 sadeleştirdiğini ve 23.000 satır kodu kaldırdığını; bunun daha doğal, gerçek zamanlı hasta görüşmelerine katkı sunduğunu söyledi. 1

Bunlar şirketlerin kendi bildirdiği sonuçlar. Dolayısıyla evrensel performans garantileri olarak değil, belirli uygulamalardaki kullanım örnekleri olarak değerlendirilmelidir.

Hangi iddialar henüz doğrulanmıyor?

Mevcut kaynaklar, “Presence” adlı yönetilen bir ürün üzerinden kurumsal erişim sağlandığı iddiasını doğrulamıyor. Aynı şekilde bu API lansmanıyla aksan, lehçe veya dil kapsamının belirli biçimde genişletildiğini gösteren yeterli kanıt da bulunmuyor. Satın alma veya uygulama kararlarında bu ayrıntılar güncel OpenAI dokümantasyonundan ayrıca kontrol edilmeli.

Sonuç

GPT-Live-1’in temel yeniliği mimari yaklaşımında: API’deki tam çift yönlü ses katmanı, ajan konuşurken dinlemeyi sürdürebiliyor; daha yavaş muhakeme ve araç işlemleri ise ayrı bir sisteme aktarılabiliyor. Ses katmanı için saniye bazında dakikası 0,05 dolarlık fiyat net olsa da, gerçek toplam maliyet seçilen arka uç modeli ve araçlara göre değişecek. 11618