GPT-Live 1
Das Vollduplex-Sprach-Frontend von OpenAI für natürliche Gespräche, das tiefergehendes Reasoning und Aktionen an einen separaten Backend-Agenten delegiert.
Das Vollduplex-Sprach-Frontend von OpenAI für natürliche Gespräche, das tiefergehendes Reasoning und Aktionen an einen separaten Backend-Agenten delegiert.
Überblick
GPT-Live 1 hört und spricht gleichzeitig. So kann es mit Pausen, kurzen Rückmeldungen, Unterbrechungen und Hintergrundgeräuschen umgehen, ohne das Gespräch in starre Sprecherwechsel zu zwängen. Neben dem Live-Audio liefert es auch Transkripte und den Antworttext.
Die Architektur trennt das Gespräch von tiefergehender Arbeit. GPT-Live 1 steuert die Sprachinteraktion, während ein Modell über die Responses API oder ein von der Anwendung betriebener Agent das Reasoning und freigegebene Tools übernimmt. Der veröffentlichte Sprachpreis enthält daher weder die Nutzung des Backend-Modells noch Tools, Telefonie oder Anwendungsinfrastruktur.
Kategorievergleich
Hierbei handelt es sich um vom Anbieter veröffentlichte Spezifikationen, nicht um Cody-Benchmark-Ergebnisse. Aktuelle Limits und endpunktspezifische Ausnahmen finden Sie in den verlinkten Quellen.
API- und Anbieterzugang
Verfügbarkeit
Verfügbar über die Live API von OpenAI für Sprachanwendungen im Browser, auf dem Server und in der Telefonie.
Für den direkten Zugang gilt die aktuelle Liste der von OpenAI unterstützten Länder; die kostenlose API-Stufe wird für dieses Modell nicht unterstützt.
Aktuelle Verfügbarkeit prüfenDaten und Training
Laut OpenAI werden API-Inhalte standardmäßig nicht für das Training verwendet. Standardprotokolle zur Missbrauchsüberwachung können bis zu 30 Tage lang aufbewahrt werden; berechtigten Organisationen stehen zusätzliche Kontrollmöglichkeiten zur Verfügung.
Dies ist eine knappe Zusammenfassung der zitierten Anbieterunterlagen, keine Rechtsberatung. Ein Gateway eines Drittanbieters kann für Speicherung, Routing, Training und Datenresidenz andere Bedingungen haben als die direkte API des Modellherstellers.
Lesen Sie die Richtlinien des AnbietersHäufig gestellte Fragen
Das Vollduplex-Sprach-Frontend von OpenAI für natürliche Gespräche, das tiefergehendes Reasoning und Aktionen an einen separaten Backend-Agenten delegiert. GPT-Live 1 hört und spricht gleichzeitig. So kann es mit Pausen, kurzen Rückmeldungen, Unterbrechungen und Hintergrundgeräuschen umgehen, ohne das Gespräch in starre Sprecherwechsel zu zwängen. Neben dem Live-Audio liefert es auch Transkripte und den Antworttext.
Laut den zitierten Anbieterquellen wurde GPT-Live 1 am 10. September 2026 veröffentlicht.
Verfügbar über die Live API von OpenAI für Sprachanwendungen im Browser, auf dem Server und in der Telefonie. In diesem Leitfaden aufgeführte Zugangswege: OpenAI.
0,05 $ / Sprachminute. Sprachsitzungen werden pro Sekunde abgerechnet, ohne Rundung auf ganze Minuten. Die Nutzung von Backend-Modell und Tools wird separat abgerechnet, ebenso Telefonie und Anwendungsinfrastruktur.
Verfügbar über die Live API von OpenAI für Sprachanwendungen im Browser, auf dem Server und in der Telefonie. Für den direkten Zugang gilt die aktuelle Liste der von OpenAI unterstützten Länder; die kostenlose API-Stufe wird für dieses Modell nicht unterstützt.
Laut OpenAI werden API-Inhalte standardmäßig nicht für das Training verwendet. Standardprotokolle zur Missbrauchsüberwachung können bis zu 30 Tage lang aufbewahrt werden; berechtigten Organisationen stehen zusätzliche Kontrollmöglichkeiten zur Verfügung. Die Regelung hängt vom Zugangsweg und von den Kontobedingungen des Anbieters ab. Prüfen Sie sie daher vor dem Produktiveinsatz erneut.
Verwandte Vergleiche
Groks Echtzeit-Sprachmodell für Gespräche, Kundensupport und Assistenten, die während eines Anrufs Werkzeuge nutzen.
Vollständigen Vergleich öffnenGoogles Echtzeit-Sprachmodell für flüssige Gespräche mit Audio, Text und visuellem Kontext.
Vollständigen Vergleich öffnenEin separates Gemini-Sprachmodell, das komplexe Anfragen im Hintergrund bearbeitet und das Gespräch dabei fortsetzt.
Vollständigen Vergleich öffnenDas Speech-to-Speech-Reasoning-Modell von OpenAI für Echtzeit-Sprachagenten, die Tools nutzen und zusätzlich Text- und Bildkontext benötigen.
Vollständigen Vergleich öffnenDas Vorschau-Audio-zu-Audio-Modell von Google für Dialoge mit geringer Latenz mit multimodalem Bewusstsein, Denken, Sucherdung und Funktionsaufruf.
Vollständigen Vergleich öffnenElevenLabs‘ ausdrucksstarkes Echtzeit-Text-to-Speech-Modell für natürliche Dialoge, emotionale Übermittlung, Audio-Tags und mehr als 70 Sprachen.
Vollständigen Vergleich öffnenDas neueste ausdrucksstarke Echtzeit-Text-to-Speech-Modell von Inworld, das darauf ausgelegt ist, sich die gesprochene Sprache zu merken und in mehr als 100 Sprachen zu sprechen.
Vollständigen Vergleich öffnenGrok-Sprachmodell der vorherigen Generation, zugunsten von Grok Voice 3.0 abgekündigt.
Vollständigen Vergleich öffnen