Η OpenAI κατέστησε διαθέσιμο στους προγραμματιστές το φωνητικό μοντέλο GPT-Live-1 μέσω του API της στις 10 Σεπτεμβρίου 2026, σύμφωνα με το the-decoder.com. Η τεκμηρίωση της εταιρείας το περιγράφει ως μοντέλο φωνής πλήρους αμφίδρομης λειτουργίας (full-duplex) για συνομιλίες σε πραγματικό χρόνο, δηλαδή μπορεί να ακούει και να μιλά ταυτόχρονα, και το χαρακτηρίζει κορυφαίο μοντέλο της για φυσικές, εκφραστικές φωνητικές συνομιλίες με ομαλή διαχείριση των διακοπών.
Σύμφωνα με το the-decoder.com, η OpenAI ανέφερε ότι το GPT-Live-1 σημειώνει 80,1% σε δοκιμές διαδραστικότητας πλήρους αμφίδρομης λειτουργίας, έναντι 45,4% του GPT-Realtime-2.1, και μειώνει την καθυστέρηση εναλλαγής ομιλίας στα 0,8 δευτερόλεπτα από 1,4. Η ακρίβεια στην κλήση εργαλείων ανέβηκε στο 87% από 60%, ενώ το ποσοστό επιτυχίας σε δοκιμή φωνητικής υποστήριξης τραπεζικών εργασιών ανέβηκε στο 32% από 12,4%. Όλα τα στοιχεία προέρχονται από την OpenAI και δεν έχουν επαληθευτεί ανεξάρτητα. Το μοντέλο συνοδεύεται από 12 νέες φωνές με επιπλέον προφορές, διαλέκτους και γλώσσες, και μπορεί να αναθέτει βαρύτερη συλλογιστική σε μοντέλα υποστήριξης, τα οποία χρεώνονται ξεχωριστά. Κάθε συνεδρία περιλαμβάνει αυτόματες μεταγραφές αναγνώρισης ομιλίας (ASR) μαζί με το κείμενο της απόκρισης.
Τιμολόγηση και τεχνικοί περιορισμοί
Η τεκμηρίωση της OpenAI ορίζει τιμή 0,05 δολαρίων ανά λεπτό για τις φωνητικές συνεδρίες, με χρέωση ανά δευτερόλεπτο, και διευκρινίζει ότι η διάρκεια δεν στρογγυλοποιείται προς τα πάνω στο επόμενο ακέραιο λεπτό· η χρήση μοντέλων υποστήριξης και εργαλείων χρεώνεται επιπλέον. Η πρόσβαση περιορίζεται στο endpoint Live (v1/live/sessions), ενώ η τεκμηρίωση αναφέρει ως μη υποστηριζόμενα τα Chat Completions, Responses, Realtime, μετάφραση και μεταγραφή Realtime, Assistants, Batch, fine-tuning, embeddings, δημιουργία και επεξεργασία εικόνας, βίντεο, σύνθεση ομιλίας, μεταγραφή, μετάφραση, moderation και τα παλαιά Completions. Τα όρια ταυτόχρονων συνεδριών κλιμακώνονται ανά επίπεδο χρήσης: 25 στο Tier 1, 50 στο Tier 2, 200 στο Tier 3, 300 στο Tier 4 και 500 στο Tier 5. Οι λογαριασμοί δωρεάν επιπέδου δεν έχουν πρόσβαση, ενώ το μοντέλο δεν υποστηρίζει είσοδο εικόνας ή βίντεο, δομημένες εξόδους ούτε προβλεπόμενες εξόδους. Η γνώση του φτάνει έως τις 31 Ιουλίου 2025.
Πρώτες επιχειρηματικές χρήσεις
Το the-decoder.com ανέφερε ότι η Yelp χρησιμοποιεί ήδη το GPT-Live-1 για τηλεφωνικές κρατήσεις, με τον τεχνικό διευθυντή (CTO) της εταιρείας, Alex Levy, να αναφέρει καλύτερη διαχείριση των κλήσεων. Η περίπτωση της Yelp δείχνει το μοντέλο χρήσης που προωθεί η OpenAI: το GPT-Live-1 διαχειρίζεται τη ζωντανή συνομιλία, ενώ η βαθύτερη συλλογιστική ή οι αναζητήσεις δρομολογούνται σε άλλα μοντέλα που επιλέγει ο προγραμματιστής.
Η κυκλοφορία τοποθετεί το GPT-Live-1 στην αγορά της εξυπηρέτησης πελατών σε πραγματικό χρόνο και των φωνητικών πρακτόρων, όπου η διαχείριση των διακοπών και η χαμηλή καθυστέρηση μετρούν όσο και το συνομιλιακό βάθος. Το ποσοστό επιτυχίας στην τραπεζική δοκιμή, που παραμένει κάτω από ένα στα τρία ακόμη και μετά τη βελτίωση, δείχνει πόσα μένουν άλυτα στη φωνητική υποστήριξη ρυθμιζόμενων κλάδων. Η OpenAI δεν έχει δημοσιεύσει ανεξάρτητες αξιολογήσεις του μοντέλου.