GPT-Live-1: OpenAIs Full-Duplex-Sprachmodell ist jetzt für Entwickler verfügbar

OpenAI stellt GPT-Live-1 als API für Entwickler bereit. Das Sprachmodell kann gleichzeitig zuhören und sprechen, was OpenAI als Full-Duplex bezeichnet. Es kommt bereits in ChatGPT zum Einsatz. Statt wie bisher Spracherkennung, Sprachmodell und Sprachausgabe einzeln zu verketten, läuft bei GPT-Live-1 alles in einem Modell. Das soll Verzögerungen verringern und Unterbrechungen im Gespräch besser abfangen. Entwickler können GPT-Live-1 je nach Aufgabe mit verschiedenen Backend-Modellen kombinieren und so Rechenleistung, Geschwindigkeit und Kosten an den jeweiligen Einsatzzweck anpassen. Mit 0,05 Dollar pro Minute ist das Modell nicht günstig. Yelp setzt es für telefonische Reservierungen ein und meldet laut CTO Alex Levy bessere Anrufbearbeitung.

In OpenAIs eigenen Benchmarks liegt GPT-Live-1 klar vor seinen Vorgängern: Bei Full-Duplex-Tests erreicht es 80,1 Prozent gegenüber 45,4 Prozent für GPT-Realtime-2.1. Die Reaktionszeit sinkt von 1,4 auf 0,8 Sekunden. Die Genauigkeit bei Tool-Aufrufen steigt von 60 auf 87 Prozent. In einem Banking-Sprachtest kommt GPT-Live-1 auf 32 Prozent, der Vorgänger auf 12,4 Prozent. Dazu gibt es zwölf neue Stimmen in verschiedenen Akzenten, Dialekten und Sprachen. Details stehen in der API‑Dokumentation (bislang nicht online).