Heim
OpenAI erweitert seine API um GPT-Live-1 mit Vollduplex-Sprachunterstützung und Unterbrechungsfunktion für Kundendienstgespräche
OpenAI hat GPT-Live-1 in seine API integriert und ermöglicht Entwicklern damit die Erstellung von Anwendungen und Geschäftsabläufen, die Sprachinteraktionen in Echtzeit ermöglichen. Dieses Modell unterstützt Vollduplex-Gespräche, sodass es gleichzeitig zuhören und sprechen kann und dabei Unterbrechungen, Pausen und Hintergrundgeräusche effektiv bewältigt.
GPT-Live-1 ist zudem für telefonbasierte Szenarien wie Restaurantreservierungen und Kundensupport optimiert und ermöglicht so Vollduplex-Sprachagenten. OpenAI weist darauf hin, dass Entwickler das Modell in Tools wie Codex integrieren oder OpenAI Presence nutzen können, um Sprachanwendungen zu entwickeln, die Unternehmenssysteme abfragen, autorisierte Aktionen ausführen und Anrufe bei Bedarf nahtlos an menschliche Mitarbeiter weiterleiten.

Einheitliches Sprachverständnis und Sprachausgabe für geringere Latenz
GPT-Live-1 vereint Spracherkennung und Sprachsynthese in einem einzigen Modell und macht damit die für die herkömmliche „Speech-to-Text – LLM – Text-to-Speech“-Pipeline typischen Mehrfachverbindungen überflüssig, wodurch die Latenz erheblich gesenkt wird. Das Modell bewältigt zudem komplexe Schlussfolgerungen und Tool-Aufrufe über Backend-Textmodelle. Entwickler können Tonfall, Geschwindigkeit und Gesprächsstil über Systemaufforderungen anpassen und gleichzeitig Backend-Modelle, Tools und Agenten-Frameworks konfigurieren. OpenAI bestätigt, dass GPT-Live-1 native Spracherkennung, Transkription und Antworttexte unterstützt und über Funktionen wie alphanumerisches Verständnis, Keyword-Bias und Turn-Erkennung verfügt.
Erste Auswertungen zeigen, dass der Einsatz von GPT-Live-1 die Anzahl der ungewollten Unterbrechungen während der Denkpausen der Lernenden auf der Sprachlernplattform „Speak“ im Vergleich zum bisherigen rundenbasierten System um fast 80 % reduziert hat. Tony Stoyanov, Mitbegründer und CTO einer medizinischen Serviceplattform, berichtete von einer Reduzierung des Codeumfangs um 80 %, wodurch etwa 23.000 Codezeilen entfernt wurden. Die Auswertungen von OpenAI zeigen, dass GPT-Live-1 GPT-Realtime-2.1 im Full-Duplex-Bench-Test um 30 Prozentpunkte übertrifft und im Tau3-End-to-End-Sprachagenten-Aufgabentest den ersten Platz belegt, wenn es bei mittlerer Denkintensität mit GPT-6 Astra kombiniert wird.
Front-End-Sprachschicht kostet 0,05 US-Dollar pro Minute und bietet 12 neue Stimmen
Was die Preisgestaltung betrifft, so kostet die Front-End-Sprachschicht für GPT-Live-1 0,05 US-Dollar pro Minute, was etwa 3 US-Dollar (ca. 20,2 RMB) pro Stunde entspricht. Die Kosten für Backend-Modelle und Agenten-Tools werden separat abgerechnet. OpenAI hat zudem die Auswahl an Echtzeit-Stimmen um 12 neue Stimmen erweitert: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta und Cinder. Das Unternehmen plant, in den kommenden Monaten weitere Stimmen und Sprachunterstützung einzuführen.
Verwandter Artikel
Apple stellt die erste öffentliche Beta-Version von iOS 27 vor – damit wird Siri einer umfassenden KI-Überarbeitung unterzogen
Apple hat heute offiziell die erste öffentliche Beta-Version von iOS 27 für Nutzer veröffentlicht . Für dieses Update ist kein Entwicklerkonto erforderlich. Nutzer müssen sich lediglich auf der Websit
Cloudflare stellt den Open-Source-AI-Agent-Workspace vor, mit dem Mitarbeiter ohne Programmierkenntnisse individuelle Arbeitsabläufe erstellen können
Cloudflare hat offiziell „Cloudflare OS“ veröffentlicht, eine Open-Source-Arbeitsumgebung für KI-Agenten, die direkt im Browser läuft. Diese Plattform integriert eine Vielzahl an anpassbaren und gemei
Musk’s AI-Kreditkartenzahlung löst nach Spott eines OpenAI-Vorstandsmitglieds Kontroverse aus
Elon Musk hat kürzlich auf Social Media die neue Einkaufsfunktion von Grok vorgestellt und erklärt, dass Nutzer ein Foto ihrer Kreditkarte machen und diese an die Chat-Schnittstelle senden können. Die KI durchsucht dann das Internet nach den besten P
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
OpenAI hat GPT-Live-1 in seine API integriert und ermöglicht Entwicklern damit die Erstellung von Anwendungen und Geschäftsabläufen, die Sprachinteraktionen in Echtzeit ermöglichen. Dieses Modell unterstützt Vollduplex-Gespräche, sodass es gleichzeitig zuhören und sprechen kann und dabei Unterbrechungen, Pausen und Hintergrundgeräusche effektiv bewältigt.
GPT-Live-1 ist zudem für telefonbasierte Szenarien wie Restaurantreservierungen und Kundensupport optimiert und ermöglicht so Vollduplex-Sprachagenten. OpenAI weist darauf hin, dass Entwickler das Modell in Tools wie Codex integrieren oder OpenAI Presence nutzen können, um Sprachanwendungen zu entwickeln, die Unternehmenssysteme abfragen, autorisierte Aktionen ausführen und Anrufe bei Bedarf nahtlos an menschliche Mitarbeiter weiterleiten.

Einheitliches Sprachverständnis und Sprachausgabe für geringere Latenz
GPT-Live-1 vereint Spracherkennung und Sprachsynthese in einem einzigen Modell und macht damit die für die herkömmliche „Speech-to-Text – LLM – Text-to-Speech“-Pipeline typischen Mehrfachverbindungen überflüssig, wodurch die Latenz erheblich gesenkt wird. Das Modell bewältigt zudem komplexe Schlussfolgerungen und Tool-Aufrufe über Backend-Textmodelle. Entwickler können Tonfall, Geschwindigkeit und Gesprächsstil über Systemaufforderungen anpassen und gleichzeitig Backend-Modelle, Tools und Agenten-Frameworks konfigurieren. OpenAI bestätigt, dass GPT-Live-1 native Spracherkennung, Transkription und Antworttexte unterstützt und über Funktionen wie alphanumerisches Verständnis, Keyword-Bias und Turn-Erkennung verfügt.
Erste Auswertungen zeigen, dass der Einsatz von GPT-Live-1 die Anzahl der ungewollten Unterbrechungen während der Denkpausen der Lernenden auf der Sprachlernplattform „Speak“ im Vergleich zum bisherigen rundenbasierten System um fast 80 % reduziert hat. Tony Stoyanov, Mitbegründer und CTO einer medizinischen Serviceplattform, berichtete von einer Reduzierung des Codeumfangs um 80 %, wodurch etwa 23.000 Codezeilen entfernt wurden. Die Auswertungen von OpenAI zeigen, dass GPT-Live-1 GPT-Realtime-2.1 im Full-Duplex-Bench-Test um 30 Prozentpunkte übertrifft und im Tau3-End-to-End-Sprachagenten-Aufgabentest den ersten Platz belegt, wenn es bei mittlerer Denkintensität mit GPT-6 Astra kombiniert wird.
Front-End-Sprachschicht kostet 0,05 US-Dollar pro Minute und bietet 12 neue Stimmen
Was die Preisgestaltung betrifft, so kostet die Front-End-Sprachschicht für GPT-Live-1 0,05 US-Dollar pro Minute, was etwa 3 US-Dollar (ca. 20,2 RMB) pro Stunde entspricht. Die Kosten für Backend-Modelle und Agenten-Tools werden separat abgerechnet. OpenAI hat zudem die Auswahl an Echtzeit-Stimmen um 12 neue Stimmen erweitert: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta und Cinder. Das Unternehmen plant, in den kommenden Monaten weitere Stimmen und Sprachunterstützung einzuführen.
Apple stellt die erste öffentliche Beta-Version von iOS 27 vor – damit wird Siri einer umfassenden KI-Überarbeitung unterzogen
Apple hat heute offiziell die erste öffentliche Beta-Version von iOS 27 für Nutzer veröffentlicht . Für dieses Update ist kein Entwicklerkonto erforderlich. Nutzer müssen sich lediglich auf der Websit
Cloudflare stellt den Open-Source-AI-Agent-Workspace vor, mit dem Mitarbeiter ohne Programmierkenntnisse individuelle Arbeitsabläufe erstellen können
Cloudflare hat offiziell „Cloudflare OS“ veröffentlicht, eine Open-Source-Arbeitsumgebung für KI-Agenten, die direkt im Browser läuft. Diese Plattform integriert eine Vielzahl an anpassbaren und gemei
Musk’s AI-Kreditkartenzahlung löst nach Spott eines OpenAI-Vorstandsmitglieds Kontroverse aus
Elon Musk hat kürzlich auf Social Media die neue Einkaufsfunktion von Grok vorgestellt und erklärt, dass Nutzer ein Foto ihrer Kreditkarte machen und diese an die Chat-Schnittstelle senden können. Die KI durchsucht dann das Internet nach den besten P











