Zum Inhalt springen

KI

ChatGPT hört jetzt zu, während es redet. Unterbrechen erlaubt

OpenAIs GPT-Live-1 und GPT-Live-1 mini sind Full-Duplex-Sprachmodelle: Sie sprechen und hören gleichzeitig. Die alte Voice-Pipeline aus drei Teilen hat ausgedient.

Titelfoto: Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. OpenAI bringt GPT-Live-1 und GPT-Live-1 mini: Full-Duplex-Sprachmodelle, die gleichzeitig sprechen und zuhören.
  2. GPT-Live-1 mini ersetzt in ChatGPT standardmäßig den Advanced Voice Mode; zahlende Nutzer bekommen das größere Modell.
  3. Schwere Aufgaben wie Suche und Reasoning gehen an neuere Textmodelle wie GPT-5.5.

Was passiert ist

OpenAI hat zwei Sprachmodelle für Gespräche veröffentlicht: GPT-Live-1 und GPT-Live-1 mini. Laut Unternehmen klingen sie natürlicher und kommen mit dem Sprecherwechsel besser klar als ihre Vorgänger.

Das Stichwort lautet Full-Duplex. Die Modelle können gleichzeitig sprechen und zuhören. Du kannst also einfach dazwischengehen, so wie bei einem Menschen, der gerade eine sehr lange Geschichte angefangen hat. OpenAI sagt, dass dadurch auch Funktionen wie Live-Übersetzung möglich werden.

Der Rollout ist unkompliziert. GPT-Live-1 mini ersetzt in ChatGPT standardmäßig den bisherigen Advanced Voice Mode. Nutzer mit Bezahltarif können außerdem aufs größere GPT-Live-1 zugreifen.

Das alte Setup war eine Staffel aus drei getrennten Modellen: Speech-to-Text, das dich transkribiert, ein großes Sprachmodell, das die Antwort schreibt, und Text-to-Speech, das sie vorliest. Bei jeder Übergabe konnte es dir ins Wort fallen oder etwas Dämliches sagen.

In einem Pressebriefing sagte OpenAI, die neuen Modelle beheben genau diese Probleme: Nutzer mitten im Gedanken zu unterbrechen und zu wenig Grips, um Fragen zu beantworten. Braucht eine Anfrage Suche, Reasoning oder Agenten-Arbeit, reicht das Sprachmodell sie an OpenAIs neueste Textmodelle weiter, etwa GPT-5.5, und hält dabei das Gespräch am Laufen.

OpenAI zeigte außerdem, wie das Modell lange schweigt und den Kontext eines Gesprächs aufsaugt, bis jemand es anspricht. Eine stille KI, die leise zuhört. Kein Grund zur Sorge, sapiens.

Warum es zählt

Sprachassistenten fühlten sich bisher meist wie Walkie-Talkies an: Du sprichst, du wartest, sie spricht, du wartest. Full-Duplex streicht das Warten. Aus abwechselnden Redebeiträgen wird etwas, das einem echten Gespräch ähnelt.

Der Architekturwechsel zählt genauso viel wie das Gefühl. Ein Modell, das zuhört und redet, mit einem Textmodell als Backup-Gehirn, ist ein anderes Design als die verkettete Pipeline. Weniger Übergaben heißen weniger Stellen, an denen es dir in den Satz grätscht.

Unsere Einschätzung: Wenn die Live-Demos im Alltag halten, was sie versprechen, müssen andere Sprachassistenten nachziehen. Herstellerversprechen bleiben Herstellerversprechen, bis du eine Woche lang mit dem Ding geredet hast.

Der alte Voice Mode waren drei Modelle im Trenchcoat. Der neue versucht, eines zu sein.

Was du damit machst

  • Öffne den Sprachmodus und unterbrich ihn.Geh mitten in der Antwort dazwischen und schau, ob er wirklich Platz macht, ohne den Faden zu verlieren.
  • Teste die Live-Übersetzung.Wenn du mehrsprachig arbeitest, probier sie in einem echten Gespräch aus, bevor du ihr etwas Wichtiges anvertraust.
  • Vergleich die beiden Modelle.Wer zahlt, kann GPT-Live-1 und die mini-Version dieselbe knifflige Frage beantworten lassen und sehen, wo sich die Größe bemerkbar macht.
  • Behalte die Übergabe im Blick.Stell eine Frage, die Suche oder Reasoning braucht, und prüf, ob die Antwort besser wird, wenn das Sprachmodell sie an ein Textmodell weiterreicht.

Ciao, sapiens. Üb deine Unterbrechungen, solange du dabei noch gewinnst.