GPT-Live 1
Front-end de voz full-duplex da OpenAI para conversas naturais, que delega raciocínios e ações mais complexos a um agente de back-end separado.
Front-end de voz full-duplex da OpenAI para conversas naturais, que delega raciocínios e ações mais complexos a um agente de back-end separado.
Visão geral
O GPT-Live 1 ouve e fala ao mesmo tempo, por isso consegue lidar com pausas, interjeições de confirmação, interrupções e ruído de fundo sem obrigar a conversa a seguir turnos rígidos. Ele também fornece transcrições e o texto das respostas junto com o áudio ao vivo.
A arquitetura separa a conversa das tarefas mais complexas. O GPT-Live 1 cuida da experiência de voz, enquanto um modelo da Responses API ou um agente operado pela aplicação se encarrega do raciocínio e das ferramentas aprovadas. Por isso, o preço publicado da voz não inclui o uso do modelo de back-end, as ferramentas, a telefonia nem a infraestrutura da aplicação.
Comparação na categoria
Estas são especificações publicadas pelos provedores, não pontuações de benchmark do Cody. Consulte as fontes vinculadas para ver os limites atuais e as exceções específicas de cada endpoint.
Acesso à API e ao provedor
Disponibilidade
Disponível pela Live API da OpenAI para aplicações de voz em navegador, servidor e telefonia.
O acesso direto segue a lista atualizada de países atendidos pela OpenAI; o nível gratuito da API não está disponível para este modelo.
Ver disponibilidade atualDados e treinamento
A OpenAI afirma que, por padrão, o conteúdo enviado pela API não é usado para treinamento. Os registros padrão de monitoramento de abuso podem ser mantidos por até 30 dias, e organizações elegíveis contam com controles adicionais.
Este texto resume o material citado do provedor e não constitui aconselhamento jurídico. Um gateway de terceiros pode ter termos de armazenamento, roteamento, treinamento e residência de dados diferentes dos da API direta da empresa que criou o modelo.
Ler a política do provedorPerguntas frequentes
Front-end de voz full-duplex da OpenAI para conversas naturais, que delega raciocínios e ações mais complexos a um agente de back-end separado. O GPT-Live 1 ouve e fala ao mesmo tempo, por isso consegue lidar com pausas, interjeições de confirmação, interrupções e ruído de fundo sem obrigar a conversa a seguir turnos rígidos. Ele também fornece transcrições e o texto das respostas junto com o áudio ao vivo.
GPT-Live 1 foi lançado em 10 de setembro de 2026, de acordo com os materiais citados do provedor.
Disponível pela Live API da OpenAI para aplicações de voz em navegador, servidor e telefonia. Formas de acesso listadas neste guia: OpenAI.
US$ 0,05 / minuto de voz. As sessões de voz são cobradas por segundo, sem arredondamento para o minuto inteiro. O uso do modelo de back-end e das ferramentas é cobrado à parte, assim como a telefonia e a infraestrutura da aplicação.
Disponível pela Live API da OpenAI para aplicações de voz em navegador, servidor e telefonia. O acesso direto segue a lista atualizada de países atendidos pela OpenAI; o nível gratuito da API não está disponível para este modelo.
A OpenAI afirma que, por padrão, o conteúdo enviado pela API não é usado para treinamento. Os registros padrão de monitoramento de abuso podem ser mantidos por até 30 dias, e organizações elegíveis contam com controles adicionais. A política depende do provedor, da forma de acesso e dos termos da sua conta; por isso, confirme-a novamente antes de usar em produção.
Comparações relacionadas
O modelo de voz em tempo real do Grok para conversas, atendimento ao cliente e assistentes que usam ferramentas durante uma chamada.
Abrir comparação completaO modelo de voz em tempo real do Google para conversas ágeis com áudio, texto e contexto visual.
Abrir comparação completaUm modelo de voz Gemini separado que resolve solicitações complexas em segundo plano enquanto mantém a conversa.
Abrir comparação completaO modelo de raciocínio de fala para fala em tempo real da OpenAI, para agentes de voz que usam ferramentas e também precisam de contexto de texto e imagem.
Abrir comparação completaModelo de visualização de áudio para áudio do Google para diálogo de baixa latência com consciência multimodal, pensamento, base de pesquisa e chamada de função.
Abrir comparação completaModelo expressivo de conversão de texto em fala em tempo real do ElevenLabs para diálogo natural, entrega emocional, tags de áudio e mais de 70 idiomas.
Abrir comparação completaO mais novo modelo expressivo de conversão de texto em fala em tempo real da Inworld, projetado para lembrar a conversação e falar em mais de 100 idiomas.
Abrir comparação completaModelo de voz Grok da geração anterior, descontinuado em favor do Grok Voice 3.0.
Abrir comparação completa