OpenAI hat mit GPT-Live die bisher größte Weiterentwicklung der Sprachfunktionen von ChatGPT vorgestellt. Die neuen Modelle GPT-Live-1 und GPT-Live-1 mini ersetzen den bisherigen Advanced Voice Mode und führen eine Voll-Duplex-Architektur ein.
Dadurch kann ChatGPT gleichzeitig zuhören und sprechen, anstatt wie bisher auf das Ende eines Satzes warten zu müssen. Der Rollout beginnt weltweit für iOS, Android und ChatGPT im Web.
Für zahlende Nutzer in den Tarifen Go, Plus und Pro wird GPT-Live-1 zum Standardmodell. Kostenlose Nutzer erhalten GPT-Live-1 mini.
Bisher funktionierten Sprachgespräche mit ChatGPT trotz moderner Audioverarbeitung im Kern nach einem einfachen Prinzip: Der Nutzer sprach, das System wartete auf eine Pause, anschließend begann die Antwort.
Das führte immer wieder zu unnatürlichen Situationen. Eine kurze Denkpause konnte bereits als Gesprächsende erkannt werden. Hintergrundgeräusche konnten eine Antwort auslösen. Wer mitten im Satz stockte, wurde unter Umständen von ChatGPT unterbrochen.
GPT-Live soll genau dieses Problem lösen.
Die neue Architektur verarbeitet Sprache kontinuierlich. Das Modell entscheidet mehrmals pro Sekunde, ob es weiter zuhören, kurz bestätigen, sprechen, pausieren, unterbrechen oder ein Werkzeug starten soll.
Damit kann ChatGPT während eines Gesprächs kleine Rückmeldungen geben, ohne den Nutzer vollständig zu unterbrechen. Eine Unterhaltung soll dadurch weniger wie ein Funkgerät und stärker wie ein normales Gespräch wirken.
GPT-Live ist nicht nur ein neuer Sprachmodus. OpenAI trennt mit dem System die Sprachoberfläche von der eigentlichen Intelligenz im Hintergrund.
Einfache Antworten kann GPT-Live direkt geben. Wird eine Anfrage komplexer, übergibt das System die Aufgabe an ein leistungsstärkeres Modell. Zum Start ist das GPT-5.5.
Während GPT-5.5 im Hintergrund arbeitet, kann GPT-Live weiter mit dem Nutzer sprechen. Dadurch entsteht weniger Leerlauf. Die Unterhaltung muss nicht abbrechen, nur weil im Hintergrund eine Suche, eine Berechnung oder ein mehrstufiger Denkprozess läuft.
Für OpenAI ist das ein wichtiger Architekturwechsel. Die Sprachschicht kann bestehen bleiben, während die eigentlichen Denkmodelle im Hintergrund später ausgetauscht oder verbessert werden.
Der neue Aufbau ist besonders für künftige KI-Agenten relevant.
Ein Sprachassistent könnte künftig mit einem Nutzer sprechen und gleichzeitig Aufgaben im Hintergrund erledigen. Dazu gehören Websuchen, Datenbankabfragen, Terminplanung, komplexe Berechnungen oder die Nutzung externer Werkzeuge.
Bisher führten solche Aufgaben häufig zu mehreren Sekunden Stille. Bei einem Textchat fällt das weniger auf. In einem Sprachgespräch wirkt es sofort unnatürlich.
GPT-Live soll diese Lücke schließen. Die Sprach-KI bleibt im Gespräch, während die eigentliche Arbeit im Hintergrund weiterläuft.
Die Entwicklung der ChatGPT-Sprachfunktionen lässt sich grob in drei Stufen einteilen.
Die erste Sprachfunktion von 2023 arbeitete noch mit mehreren getrennten Komponenten. Sprache wurde zunächst in Text umgewandelt, anschließend von einem Sprachmodell beantwortet und danach wieder als Audio ausgegeben. Jede Übergabe kostete Zeit und konnte Informationen verlieren.
Mit dem Advanced Voice Mode wurde dieser Ablauf deutlich verbessert. Sprache wurde nativer verarbeitet, die Gespräche wirkten flüssiger und die Verzögerung sank. Trotzdem blieb das System weitgehend an klassische Gesprächsrunden gebunden.
GPT-Live bricht nun mit diesem Muster. Das Modell hört weiter zu, während es bereits spricht. Damit verschiebt sich ChatGPT von einer Sprachfunktion hin zu einer echten Gesprächsschicht.
OpenAI begleitet GPT-Live mit neuen Sicherheitstests, die speziell auf gesprochene Dialoge ausgelegt sind.
Das ist wichtig, weil Sprache anders wirkt als Text. Eine gesprochene Antwort ist unmittelbarer, emotionaler und kann in schwierigen Situationen stärker auf den Nutzer einwirken.
Getestet wurden unter anderem Bereiche wie Selbstverletzung, Hassrede, illegale Inhalte, psychische Krisen, sexuelle Inhalte und emotionale Abhängigkeit.
Das System soll in riskanten Situationen bereits während eines laufenden Gesprächs reagieren können. Dazu gehören angepasste Antworten, der Verweis auf Hilfsangebote oder das Beenden eines Sprachdialogs in besonders kritischen Fällen.
Besonders auffällig ist, dass OpenAI emotionale Abhängigkeit ausdrücklich weiter beobachten will. Je natürlicher eine KI spricht, desto größer wird die Gefahr, dass Nutzer sie nicht mehr nur als Werkzeug wahrnehmen.
OpenAI ist mit Voll-Duplex-Sprache nicht allein. Auch Google, ByteDance und Nvidia arbeiten an ähnlichen Systemen oder haben entsprechende Funktionen bereits vorgestellt.
Google bietet mit Gemini Live bereits Sprachinteraktionen an und kombiniert diese teilweise mit Kamera- und Bildschirmfunktionen. Genau diese Funktionen fehlen GPT-Live zum Start noch.
Auch eine API steht zunächst nicht bereit. Entwickler können GPT-Live also noch nicht direkt in eigene Produkte, Supportsysteme oder Sprachagenten integrieren.
Damit ist OpenAI zwar stark über ChatGPT positioniert, aber im Entwickler- und Unternehmensmarkt nicht automatisch allein.
GPT-Live ist weniger ein neues KI-Modell als eine neue Oberfläche für KI.
Der zentrale Fortschritt liegt nicht darin, dass ChatGPT menschlicher klingt. Entscheidend ist die Trennung zwischen Gesprächsführung und eigentlicher Rechenleistung.
GPT-Live übernimmt Stimme, Timing, Unterbrechungen und Dialogfluss. Komplexe Aufgaben werden an GPT-5.5 oder später an andere Modelle übergeben.
Damit entsteht eine modulare Architektur: vorne ein natürlicher Sprachdialog, dahinter austauschbare KI-Modelle, Werkzeuge und Datenquellen.
Für normale Nutzer bedeutet das vor allem flüssigere Gespräche. Für Unternehmen ist der Ansatz deutlich wichtiger. Ein Sprachagent kann künftig mit Kunden sprechen, während er im Hintergrund recherchiert, Vorgänge prüft oder Aufgaben ausführt.
OpenAI verschiebt ChatGPT damit weiter weg vom klassischen Chatfenster. Die Texteingabe bleibt wichtig, aber Sprache wird zur eigentlichen Benutzeroberfläche für längere, natürlichere und agentische KI-Nutzung.
Der Schritt ist technisch plausibel und strategisch konsequent. Wenn KI-Systeme künftig nicht nur antworten, sondern Aufgaben übernehmen sollen, darf die Schnittstelle nicht mehr wie ein Formular wirken. Sie muss Gespräch, Werkzeugsteuerung und Hintergrundarbeit gleichzeitig abbilden.
Genau dafür ist GPT-Live gebaut.
Kategorie
KI
Künstliche Intelligenz, große Sprachmodelle, Bildgeneratoren und was sie wirklich können – und was nicht.
