OpenAI har släppt nya konversationsmodeller, GPT-Live-1 och GPT-Live-1 mini, som enligt företaget låter mer naturliga och kan hantera turtagning bättre än tidigare versioner. Dessa full-duplex-modeller kan tala och lyssna samtidigt, vilket gör att användare kan avbryta naturligt och möjliggör funktioner som liveöversättning. Företaget ersätter sitt nuvarande Advanced Voice Mode i ChatGPT med GPT-Live-1 mini som standard, medan betalande användare får tillgång till den större modellen GPT-Live-1. Den gamla uppsättningen – en tal-till-text-modell, en stor språkmodell och en text-till-tal-modell ihopkopplade – hade tydligen vissa problem, som att avbryta användare mitt i en mening och sakna intelligens för att svara på frågor. De nya modellerna kan skicka frågor till GPT-5.5 för sökning, resonemang eller agentiska uppgifter medan konversationen flyter på.

OpenAI demonstrerade också att modellen kan vara tyst under långa perioder, absorbera sammanhang tills den tillkallas, och kan presentera visuell information tack vare tillgång till nyare GPT-modeller. Konkurrenter som Monogram, som samlat in 40 miljoner dollar från DST och Lux Capital, satsar också på visuella svar. Under en pressbriefing hävdade ChatGPT Voice-produktchef Atty Eleti att han haft 30- till 40-minuters röstsamtal under promenader. OpenAI ser rösten som det primära gränssnittet för komplex datoranvändning, och rykten säger att företaget kan lansera AI-drivna hörlurar i år, även om man tiger om hårdvara.

”Med tiden tror vi att detta också kommer att låsa upp möjligheten att använda rösten som ett slags primärt gränssnitt till datorer, och att hantera allt mer komplexa långvariga agentiska arbetsuppgifter”, sa Eleti. OpenAI har förfinat röstfunktioner i åratal och noterar att över 150 miljoner människor använder Röst och Diktering i ChatGPT. Konkurrenter som Apple och Amazon putsar också på sina assistenter, och startups som Sesame (grundat av Oculus-medgrundaren Brendan Iribe och Ankit Kumar) lanserar mer naturliga AI-assistenter. OpenAI insisterar på att man inte försöker skapa en AI-kamrat, trots att man gör röstläget mer engagerande, och har lagt till säkerhetsåtgärder för åldersanpassade svar och resurser för självskadeämnen. Men det nya läget behöver fortfarande förbättras: under en demo av liveöversättning till hindi talade assistenten med en tung amerikansk accent och en bokaktig ton. OpenAI säger att läget är optimerat för ”de flesta talade språk” men specificerade inte vilka.