Robocikowo>ROBOCIKOWO
GPT-Live-1
Modele AI›GPT

GPT-Live-1

1 · Rodzina: GPT
Konwersacyjny model głosowy OpenAI wydany 8 lipca 2026 r., oparty na architekturze pełnego dupleksu — jednocześnie słucha i mówi. Zastępuje Advanced Voice Mode w ChatGPT dla płatnych poziomów Go, Plus i Pro. Zapytania wymagające wyszukiwania lub rozumowania deleguje do GPT-5.5 działającego w tle.
✓ Aktywny✓ Publiczny dostępModel audioModel multimodalny📁 GPT
Data premiery
8 lipca 2026
🏢OpenAIProducent
Dostęp:HostedWdrożenie:☁ Cloud

Przegląd

GPT-Live-1 to nowa generacja modeli konwersacyjnych OpenAI, uruchomiona 8 lipca 2026 r. i zastępująca Advanced Voice Mode w ChatGPT. Model wprowadza architekturę pełnego dupleksu: przetwarza wejście i generuje wyjście jednocześnie, podejmując decyzje o mówieniu, słuchaniu, pauzowaniu lub przerwaniu wiele razy na sekundę. Użytkownik może wchodzić w słowo i zawieszać głos bez sztywnego rytmu przerywanych tur. Kluczowym elementem architektury jest separacja między modelem głosowym a modelem wnioskowania: gdy pytanie wymaga wyszukiwania w sieci lub głębszego rozumowania, GPT-Live-1 deleguje je do GPT-5.5 działającego w tle, kontynuując rozmowę. GPT-Live-1 jest domyślny dla płatnych poziomów Go, Plus i Pro. Na starcie nie obsługuje wideo ani udostępniania ekranu, a niektóre języki (np. hindi w wersji demo) brzmią sztucznie.

Klasyfikacja
Model audioModel multimodalny
Rodzina: GPT
Dostęp i wdrożenie
Hostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
✓ Narzędzia
📥 Wejście: tekst, audio

Specyfikacja techniczna

Licencja
Proprietary
Funkcje:✓ Używanie narzędzi
Modalności
⬇ Wejście (Input)
textaudio
⬆ Wyjście (Output)
textaudio

Możliwości i zastosowania

Natywne możliwości modelu
Konwersacja głosowa
Zdolność prowadzenia wieloturowych rozmów głosowych w czasie rzeczywistym z zachowaniem kontekstu i naturalnym tempem wypowiedzi.
Kategoria: speech
Mowa na tekst
Zdolność modelu do transkrypcji mowy do postaci tekstowej.
Kategoria: speech
Tekst na mowę
Zdolność modelu do generowania mowy na podstawie tekstu.
Kategoria: speech
Wnioskowanie w czasie rzeczywistym
Zdolność modelu do generowania odpowiedzi z bardzo niskim opóźnieniem (>1000 tokenów/s) na specjalistycznym sprzęcie inferencyjnym (np. Cerebras WSE), umożliwiająca interaktywną, wymianową współpracę z człowiekiem.
Kategoria: coding
Transkrypcja strumieniowa
Konwersja mowy na tekst w czasie rzeczywistym z natychmiastowym wyprowadzaniem wyników w trakcie trwania wypowiedzi.
Kategoria: speech
Tłumaczenie na żywo
Tłumaczenie mowy w czasie rzeczywistym między wieloma językami bez przerywania strumienia audio.
Kategoria: speech
Wielojęzyczność
Rozumienie i generowanie tekstu w wielu językach.
Kategoria: language

Źródła i powiązane strony