Konuşurken dinleyen GPT-Live-1 API'ye açıldı, dakikası 5 sent
OpenAI'ın tam çift yönlü ses modeli artık geliştiricilerde. Sıra beklemeden konuşuyor, düşünme işini arkadaki modele devrediyor.
OpenAI, ChatGPT'nin sesli sohbetini yürüten modeli 10 Eylül 2026'da geliştiricilere açtı. GPT-Live-1 artık API üzerinden çağrılabiliyor ve fiyatı dakikası 5 sent, saniye bazında faturalanıyor. Arkada çalışan model ile araç kullanımı ayrıca ölçülüyor.
Modelin ayırt edici yanı teknik bir terimle tam çift yönlü olması: dinlemek ile konuşmak aynı anda oluyor. Bugüne kadarki sesli asistanlar sırayla çalışıyordu. Önce siz konuşuyordunuz, sistem sustuğunuza karar veriyordu, sonra cevap üretiyordu. Araya girdiğinizde ya duymuyordu ya da baştan başlıyordu. GPT-Live-1 duraklamaları, sözü kesmeleri ve karşıdakinin onay seslerini konuşmanın doğal parçası sayıyor.
Asıl mühendislik hamlesi bunun altında. Sesi üreten model ile düşünen model ayrılmış durumda. Bir sesli ajan şirket veritabanına bakması gerektiğinde ya da bir araç çağırdığında, o sorgu birkaç saniye sürebiliyor. Eski düzende hattın öteki ucunda sessizlik oluyordu; sektörde buna ölü hava deniyor ve kullanıcının çoğu o noktada telefonu kapatıyor. Yeni yapıda akıl yürütme ve araç çağrıları arkadaki modele devrediliyor, sesi üreten katman bu sırada konuşmaya devam edebiliyor.
OpenAI'ın yayımladığı ölçümlerde model Astra arka ucuyla çalışırken Tau3 sesli görev testinin yüzde 86,2'sini ilk denemede tamamlıyor. Bir önceki gpt-realtime-2.1 aynı testte yüzde 45,7'de kalıyordu. Bankacılık senaryolarında aradaki fark daha sert: yüzde 32'ye karşı yüzde 12,4. Sıra devri gecikmesi 1,41 saniyeden 0,798 saniyeye iniyor, tam çift yönlü etkileşim testinde puan yüzde 45,4'ten yüzde 80,1'e çıkıyor. On iki hazır ses sunuluyor: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta ve Cinder.
Bağlantı tarafında tarayıcı için WebRTC, sunucu tarafı ses akışı için WebSocket, telefon ajanları için de SIP desteği var. Sonuncusu, modelin doğrudan bir çağrı merkezi hattına bağlanabileceği anlamına geliyor.
Ekosistem aynı gün harekete geçti. Sesli ajan altyapısı geliştiren LiveKit, duyurudan saatler sonra GPT-Live-1 desteğini yayına aldı. Firma mevcut oturum arayüzünün değişmediğini, yalnızca yeni bir eklentinin geldiğini belirtti.
Sesli arayüz uzun süredir demolarda etkileyici, gerçek kullanımda yorucu bir alan olarak duruyordu. Sorunun büyük kısmı modelin ne kadar iyi konuştuğu değil, ne zaman konuşacağını bilmesiydi. Bu sürüm tam olarak oraya bakıyor.
Kaynaklar: OpenAI geliştirici duyurusu, LiveKit Agents belgeleri.
