GPT-Live: OpenAI ersetzt Advanced Voice Mode durch Full-Duplex-Technik

OpenAI hat mit GPT-Live eine neue Generation von Audio-Sprachmodellen vorgestellt. Sie soll Gespräche mit ChatGPT natürlicher wirken lassen. Das Unternehmen kündigt in einem offiziellen Blogbeitrag an, dass GPT-Live den bisherigen Advanced Voice Mode ablöst. Der Rollout startet weltweit auf iOS, Android und ChatGPT.com.

Kern der Neuerung ist eine sogenannte Full-Duplex-Architektur. Frühere Systeme warteten stets, bis Nutzer zu Ende gesprochen hatten. GPT-Live verarbeitet eingehende Sprache und erzeugt gleichzeitig eigene Antworten. Laut OpenAI trifft das Modell dadurch mehrmals pro Sekunde eine Entscheidung: sprechen, zuhören, pausieren oder unterbrechen. Kurze Bestätigungslaute wie „mhmm“ fallen dabei nicht mehr aus dem Gesprächsfluss.

Komplexe Aufgaben laufen im Hintergrund

Eine zweite strukturelle Änderung trennt das Gespräch von komplexeren Denkaufgaben. Erfordert eine Frage eine Websuche oder tiefere Analyse, gibt GPT-Live die Aufgabe an OpenAIs leistungsstärkstes Modell weiter, derzeit GPT-5.5. Das Sprachmodell hält den Dialog währenddessen am Laufen. Michael Nuñez schreibt für VentureBeat, dieses modulare Design erlaube es OpenAI, die Intelligenz des Systems zu verbessern, ohne das Sprachmodell selbst neu zu trainieren.

Sabrina Ortiz schreibt für The Deep View, dass dies bei einer Pressevorführung demonstriert wurde. GPT-Live übersetzte einen Vortrag in Echtzeit ins Hindi, während der Sprecher noch redete, ohne die störenden Denkpausen früherer Versionen.

Zwei Versionen, gestaffelter Rollout

• GPT-Live-1 wird Standard für Go-, Plus- und Pro-Abonnenten.
• GPT-Live-1 mini wird Standard für kostenlose Nutzer.
• Beide greifen im Hintergrund auf GPT-5.5 Instant zurück, höhere Denkstufen (Medium, High) nutzen GPT-5.5 Thinking.
• Ein API-Zugang für Entwickler ist geplant, aber noch nicht verfügbar.

OpenAI zufolge schneidet GPT-Live in Nutzerpräferenz-Tests sowie bei Benchmarks wie GPQA (wissenschaftliches Denken) und BrowseComp (agentische Websuche) besser ab als Advanced Voice Mode.

Sicherheit und offene Fragen

OpenAI erklärt, die Sicherheitstests speziell für Audioinhalte ausgeweitet zu haben, etwa zu Selbstverletzung, emotionaler Abhängigkeit und sexuellen Inhalten. Nuñez berichtet, dass die Sicherheitswerte bei synthetischen Testszenarien deutlich gestiegen seien. Bei Tests mit echten Nutzeraufnahmen zeigte sich hingegen ein leichter, statistisch nicht signifikanter Rückgang beim Thema emotionale Abhängigkeit. OpenAI kündigt zudem eine langfristige Beobachtung dieses Risikos an. Das System nutzt ausschließlich vordefinierte Stimmen, um Identitätsnachahmung zu verhindern, eine Reaktion auf die Kontroverse um eine Stimme, die 2024 an Scarlett Johansson erinnerte.

Ortiz gibt zu bedenken, dass ein menschlicher klingender Assistent auch neue Risiken birgt. Nutzer könnten ihm eher vertrauen, obwohl er wie jedes andere KI-Modell weiterhin Fehler produzieren kann.

GPT-Live unterstützt zum Start weder Video noch Bildschirmfreigabe, und die Sprachqualität schwankt je nach Sprache, räumt OpenAI ein. Nuñez weist darauf hin, dass Konkurrenten wie Googles Gemini Live, ByteDances Seeduplex und Nvidias PersonaPlex bereits eigene Full-Duplex-Systeme veröffentlicht haben. OpenAIs Neuerung schließt damit eher eine Lücke, als dass sie einen dauerhaften Vorsprung schafft.

Quellen

• Introducing GPT-Live – OpenAI
• How OpenAI’s voice assistant got more natural – The Deep View
• OpenAI launches GPT-Live, a full-duplex voice upgrade that lets ChatGPT talk more like a person – VentureBeat