OpenAIは新しい会話モデル、GPT-Live-1とGPT-Live-1 miniをリリースした。従来より自然な響きで、ターンテイキングも改善されたと主張している。これらの全二重モデルは、同時に話すことも聞くこともでき、ユーザーが自然に割り込めるようになり、ライブ翻訳などの機能も可能になった。同社はChatGPTの現在のAdvanced Voice Modeを、デフォルトでGPT-Live-1 miniに置き換える。有料ユーザーはより大きなGPT-Live-1モデルにアクセスできる。旧来の構成——音声認識モデル、大規模言語モデル、テキスト読み上げモデルを組み合わせたもの——には明らかに問題があった。例えば、ユーザーの話の途中で遮ったり、質問に答える知能が不足していたり。新しいモデルは、会話の流れを保ちながら、検索、推論、エージェントタスクのためにGPT-5.5にクエリを送ることができる。

OpenAIはまた、このモデルが長期間沈黙を保ち、呼ばれるまで文脈を吸収できること、そして新しいGPTモデルにアクセスできるため視覚情報を提示できることをデモした。競合のMonogram（DSTとLux Capitalから4000万ドルを調達）も視覚的な応答に力を入れている。記者会見で、ChatGPT Voice製品責任者のAtty Eletiは、散歩中に30〜40分の音声会話をしたと語った。OpenAIは音声を複雑なコンピューティングの主要インターフェースと見なしており、今年中にAI搭載イヤホンを発売する可能性があるとの噂もあるが、同社はハードウェアについて沈黙を守った。

「長期的には、これにより音声をコンピューティングの主要インターフェースとして使用し、ますます複雑で長期的なエージェント作業を管理できるようになると考えています」とEletiは述べた。OpenAIは何年も音声機能を改良しており、ChatGPTでVoice and Dictationを使用している人は1億5000万人以上だと指摘する。AppleやAmazonなどのライバルもアシスタントを強化しており、Sesame（Oculus共同創業者のBrendan IribeとAnkit Kumarが共同設立）などのスタートアップはより自然なAIアシスタントを立ち上げている。OpenAIは、音声モードをより魅力的にしているにもかかわらず、AIコンパニオンを作ろうとしているわけではないと主張し、年齢に適した応答や自傷行為のトピックに関するリソースのための安全策を追加した。しかし、新しいモードはまだ改善が必要だ：ヒンディー語へのライブ翻訳のデモ中、アシスタントは強いアメリカ訛りと本のような口調で話した。OpenAIはこのモードが「ほとんどの話されている言語」に最適化されていると述べているが、どの言語かは特定していない。