GPT-Live-1: OpenAIs stemmemodel kan lytte og tale samtidig

Hvad er nyt

OpenAI lancerede den 10. september 2026 GPT-Live-1 i sit API, altså den tekniske adgang, som udviklere bruger til at bygge OpenAIs modeller ind i egne programmer. Der er tale om en såkaldt full-duplex-stemmemodel. Det betyder, at den kan lytte og tale på samme tid, ligesom i en almindelig samtale mellem to mennesker.

Modellen har telefoniunderstøttelse til telefonagenter, også ved udgående opkald. Den kan opdage, hvornår det er din tur til at tale, forstå bogstav- og talfølger og filtrere baggrundsstøj fra. Der er også transskriptioner og mulighed for at vægte bestemte nøgleord. Ved lanceringen er der 12 stemmer at vælge imellem. Vil man have sin egen stemme, skal man kontakte OpenAIs salgsteam.

Hvad er smart

Traditionelt er en stemmeassistent bygget som en kæde: først laves tale om til tekst, så tænker en sprogmodel, og til sidst laves teksten om til tale igen. GPT-Live-1 behandler indkommende og udgående lyd samlet i én model. Ifølge Pasquale Pillitteris gennemgang skal det give mere naturlig håndtering af afbrydelser og af små bekræftende lyde som »mm« og »ja«.

Modellen er tænkt som et stemmelag oven på de modeller, der står for selve tænkningen i baggrunden. Artiklerne nævner GPT-6 Astra og Luna. Til gengæld tager GPT-Live-1 kun lyd og tekst ind. Billed- og videoinput understøttes ikke, selv om billedinput var en funktion hos forgængeren. Modellens vidensgrænse er 31. juli 2025.

Billigere eller bedre?

Prisen er 0,05 dollar pr. minut sessionstid for stemmelaget. Modeller og værktøjer i backend afregnes separat, og telefonudbyderen kommer ifølge kilderne også oveni. Forgængeren GPT-Realtime-2.1 blev afregnet pr. lydtoken (tekststykker): 32 dollar pr. million inputtoken og 64 dollar pr. million outputtoken. Der er ingen direkte sammenligning af, hvad en samtale koster med de to modeller. Der er ingen gratis tier. Tier 1 giver 25 samtidige sessioner, og Tier 5 giver 500.

På kvalitet er tallene OpenAIs egne målinger, som ikke er uafhængigt efterprøvet. Ifølge DataNorth scorer modellen 30 point højere end GPT-Realtime-2.1 på Full Duplex Bench, men de absolutte scorer er ikke oplyst. Mod GPT-Realtime-2 er Tau3 Voice Intelligence 86,2 procent mod 45,7 procent, men det er OpenAIs egen måling for GPT-Live-1 sammen med GPT-6 Astra (medium reasoning), og den gælder ikke stemmemodellen alene eller i kombination med billigere modeller. Turlatensen, altså ventetiden før svaret, er 0,798 sekunder mod 1,63 sekunder, og Conversational Dynamics er 97,3 procent. DataNorth skriver dog, at latenstal ikke er offentliggjort.

Blandt konkurrenterne nævnes Microsofts MAI Realtime, som også er full-duplex, xAIs Grok Voice og Blocks Dessa, som er trænet alene på taledata. En direkte sammenligning med dem fremgår ikke af kilderne.

Det er den god til

GPT-Live-1 er målrettet virksomheder og udviklere, der vil bygge telefonagenter og stemmeassistenter, fx til kundeservice eller udgående opkald. Her gør evnen til at håndtere afbrydelser og støj en forskel, fordi samtalen skal føles mindre stiv.

Modellen er ifølge kilderne tilgængelig globalt med det samme. Det fremgår ikke af kilderne, om dansk er understøttet, eller om data behandles i EU. Udviklere skal selv tage højde for love om opkaldsoptagelse og persondata i de lande, de opererer i. For almindelige brugere er det en teknologi, man får at møde indirekte, når virksomheder bruger den i deres telefonløsninger.