OpenAI ha reso disponibile GPT-Live-1 nelle API, portando agli sviluppatori il modello vocale full-duplex utilizzato in ChatGPT Voice con un costo di 0,05 dollari al minuto per il livello front-end dedicato alla voce. Il modello è progettato per ascoltare e parlare contemporaneamente, evitando la tradizionale pipeline composta da speech-to-text, modello di ragionamento e text-to-speech, nella quale ogni passaggio aggiunge latenza e può compromettere tempi, contesto e naturalezza della conversazione. GPT-Live-1 elabora invece in modo congiunto l’audio in ingresso e quello in uscita, reagendo in tempo reale a interruzioni, brevi conferme vocali e cambi di turno, mentre le attività più complesse possono essere delegate a modelli e strumenti collegati sul backend.
Gli sviluppatori possono scegliere liberamente il modello di ragionamento, gli strumenti e l’agent harness da associare al livello vocale. OpenAI indica, ad esempio, la possibilità di utilizzare un modello come Luna per attività ad alto volume, tra cui aggiornamenti sugli ordini o pianificazione di appuntamenti, e un modello come Astra per richieste di assistenza più complesse che richiedono maggiore capacità di ragionamento; il backend può inoltre essere costituito anche da un modello di terze parti. Il system prompt permette di configurare tono, ritmo e stile conversazionale dell’agente, mentre GPT-Live-1 può gestire silenziosamente il contesto e il rumore di fondo senza verbalizzare ogni operazione eseguita dal sistema. Il modello conserva inoltre il contesto durante sessioni prolungate e supporta applicazioni telefoniche full-duplex, dalle prenotazioni nei ristoranti ai servizi di customer support.
GPT-Live-1 fornisce nativamente trascrizioni ASR e testo delle risposte, supporta il keyword biasing per aumentare la probabilità di riconoscere termini specifici e gestisce stringhe alfanumeriche. Pur non essendo basato su un’architettura rigidamente turn-based, include anche il rilevamento dei turni, permettendo agli sviluppatori di mantenere logiche applicative costruite intorno a confini espliciti tra gli interventi dell’utente e quelli dell’agente. OpenAI ha mostrato inoltre un esempio nel quale il contesto della conversazione viene inviato a Codex durante una sessione e la risposta generata dal modello viene successivamente restituita a GPT-Live-1, che mantiene la continuità dell’interazione vocale.
Nei benchmark interni riportati da OpenAI, GPT-Live-1 migliora di circa 30 punti percentuali le prestazioni su Full Duplex Bench rispetto a GPT-Realtime-2.1 e, quando viene abbinato a GPT-6 Astra con effort di ragionamento Medium, raggiunge il primo posto su Tau3, benchmark dedicato alle capacità end-to-end degli agenti vocali. Su Tau3 Voice Intelligence, che valuta attività di assistenza clienti nei settori compagnie aeree, retail e telecomunicazioni, GPT-Live-1 raggiunge un Pass@1 dell’86,2%, contro il 45,7% di GPT-Realtime-2.1 e il 42,4% di GPT-Realtime-2. Sul benchmark Tau Banking Voice Knowledge, composto da 97 attività relative a conoscenze bancarie, i risultati riportati sono rispettivamente 32%, 12,4% e 10,3%.
Sul test Artificial Analysis Conversational Dynamics, che misura elementi come gestione delle pause, alternanza dei turni, interruzioni e backchannel, GPT-Live-1 ottiene un punteggio medio del 97,3%, rispetto al 95,7% di GPT-Realtime-2.1 e al 95,3% di GPT-Realtime-2. Su Full Duplex Bench v1.5 Interactivity, dedicato alla capacità di gestire parlato di sottofondo, conversazioni rivolte ad altre persone, segnali dell’ascoltatore e interruzioni, il nuovo modello raggiunge l’80,10%, contro il 45,4% e il 47,8% dei due modelli precedenti. La latenza nel passaggio tra i turni misurata con Full Duplex Bench v1 scende inoltre a 0,798 secondi, contro 1,41 e 1,63 secondi. Su Full Duplex Bench v3, utilizzando Terra sul backend con effort Low, OpenAI riporta infine un Pass@1 dell’87% nelle chiamate agli strumenti, contro il 60% e il 58%, e un punteggio del 90% nella qualità delle risposte, rispetto all’88% e all’81%.
GPT-Live era stato introdotto l’8 luglio 2026 come nuova generazione di modelli vocali full-duplex alla base di ChatGPT Voice, con GPT-Live-1 destinato agli utenti Go, Plus e Pro e GPT-Live-1 mini come modello predefinito per gli utenti Free. Il 31 luglio OpenAI aveva aggiunto anche il watermarking SynthID all’audio supportato generato attraverso ChatGPT Voice e le API, insieme all’accesso via API allo strumento pubblico di verifica. GPT-Live-1 viene utilizzato anche in OpenAI Presence, la piattaforma enterprise lanciata il 22 luglio per agenti vocali e chat capaci di rispondere a domande, risolvere problemi, utilizzare sistemi aziendali, eseguire azioni approvate e trasferire le richieste a operatori umani quando necessario. Presence è disponibile per clienti idonei attraverso un programma di disponibilità generale limitata seguito dai Forward Deployed Engineers di OpenAI e da alcuni system integrator globali, anziché come prodotto self-service.
Tra i primi utilizzatori c’è Yelp, che ha integrato GPT-Live-1 in Yelp Host e Hatch. Secondo il CTO Alex Levy, il modello ha migliorato il turn-taking e l’accuratezza rispetto alla precedente architettura vocale e ha aumentato la capacità di gestire telefonate relative a prenotazioni e ordini di cibo; una dimostrazione mostra Yelp Host completare una prenotazione mentre il sistema gestisce rumore di fondo, conversazioni laterali e interruzioni. Speak ha invece rilevato nelle prime valutazioni una riduzione di quasi l’80% delle interruzioni durante le pause di riflessione degli studenti nelle Live Tutor Lessons rispetto ai precedenti sistemi turn-based. Fin utilizza il modello per rendere il supporto vocale meno frammentato e più simile a una telefonata naturale, mentre Cognition lo ha affiancato a Devin per permettere agli utenti di discutere idee, verificare approcci e affidare attività all’agente AI anche quando non si trovano davanti alla tastiera.
OpenAI sta infine ampliando la gamma di voci disponibili oltre il numero limitato finora offerto per le interazioni in tempo reale, introducendo una maggiore varietà di accenti, dialetti e lingue. Gli sviluppatori possono così scegliere con maggiore precisione il profilo vocale dell’assistente, mentre per ottenere una voce personalizzata è necessario contattare direttamente il reparto commerciale di OpenAI e verificare l’idoneità e la procedura di richiesta. L’azienda prevede di continuare ad ampliare nei prossimi mesi sia le opzioni vocali sia la copertura linguistica, rendendo GPT-Live-1 una base utilizzabile per costruire agenti vocali personalizzati che combinano conversazione continua, strumenti, modelli di ragionamento e sistemi aziendali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)