ChatGPTs neuer Sprachmodus kann gleichzeitig zuhören und sprechen
OpenAIs GPT-Live nutzt eine Vollduplex-Architektur, um Sprachgespräche menschlicher wirken zu lassen, und übergibt schwierige Fragen im Hintergrund unauffällig an GPT-5.5.
OpenAI hat GPT-Live veröffentlicht, eine neue Generation von Sprachmodellen für ChatGPT, die gleichzeitig zuhören und sprechen können, so, wie Menschen tatsächlich miteinander reden. Bisher funktionierte Sprach-KI wie ein Walkie-Talkie: Du sprichst, sie wartet und antwortet dann. GPT-Live nutzt eine sogenannte Vollduplex-Architektur, beide Richtungen des Gesprächs bleiben gleichzeitig offen, wie bei einem normalen Telefonat.
Zwei Versionen werden weltweit eingeführt. GPT-Live-1 ist für zahlende Nutzer der Tarife Go, Plus und Pro vorgesehen; GPT-Live-1 mini gehört zu kostenlosen Konten. Beide funktionieren unter iOS, Android und auf chatgpt.com, ein API-Zugang für Entwickler ist geplant. Mehrmals pro Sekunde entscheidet das Modell, ob es sprechen, weiter zuhören, pausieren oder unterbrechen soll. Es verwendet sogar kleine Bestätigungslaute wie „mhm“, um zu zeigen, dass es dem Gespräch folgt, und du kannst ihm mitten im Satz ins Wort fallen, ohne dass etwas aus dem Takt gerät.
Der klügste Teil verbirgt sich im Hintergrund. Sprachmodelle für Live-Gespräche waren bislang schnell, aber nicht besonders intelligent, gut beim Plaudern, schlecht bei Fakten. GPT-Live löst das durch Delegation: Wenn eine Frage eine Websuche oder echtes Schlussfolgern erfordert, übergibt es die Aufgabe unauffällig an GPT-5.5 und hält das Gespräch gleichzeitig am Laufen. Die Zahlen sind auffällig. Bei GPQA, einem Test für wissenschaftliches Schlussfolgern, erreicht GPT-Live-1 84,2 Prozent, während der alte Advanced Voice Mode auf 45,3 Prozent kam. Bei BrowseComp, einem Benchmark für Webrecherche, stehen 75,2 Prozent gerade einmal 0,7 Prozent gegenüber.
Was steckt dahinter? OpenAI teilt die Aufgabe in zwei Teile. Ein Modell kümmert sich um Rhythmus und soziale Feinheiten des Gesprächs, ein anderes übernimmt das Denken. Das spiegelt die Entwicklung der gesamten Branche wider, kleine, schnelle Modelle stehen vorne, große, kluge arbeiten hinter den Kulissen. Nvidia veröffentlichte Anfang des Jahres ein ähnliches Open-Source-Modell namens PersonaPlex, der Ansatz verbreitet sich also.
Eine berechtigte Einschränkung: Je menschlicher eine KI klingt, desto leichter vergisst man, dass sie kein Mensch ist. Forschende haben intensive Nutzung von Sprachmodi mit emotionaler Abhängigkeit in Verbindung gebracht, und OpenAI selbst stattet GPT-Live mit zusätzlichen Schutzmechanismen aus, Krisenhotlines, Kindersicherungen und die Möglichkeit, Gespräche in Situationen mit hohem Risiko zu beenden. Sprache mit Video- und Bildschirmfreigabe wird zum Start nicht unterstützt, soll laut OpenAI aber folgen.
Was das für dich bedeutet: Wenn dir Sprachmodi von KI bisher unbeholfen vorkamen, die steife Pause, das robotische Abwechseln, könnte dieses Update deine Meinung ändern. Kostenlose Nutzer erhalten die Mini-Version, ausprobieren kann sie also jeder. Besonders nützlich ist sie in Momenten, in denen die Hände frei bleiben sollen: beim Kochen, Autofahren oder wenn du ein Problem laut durchdenkst. Fortgeschrittene Nutzer bekommen eine Sprachoberfläche, die mitten im Gespräch endlich echte Recherchen erledigen kann. Behalte nur eines im Kopf: Sie klingt jetzt menschlicher, darunter steckt aber dieselbe Art von Software.
Quellen
Wo das Netz endet, beginnt kleine KI: Winzige Modelle retten offline Leben
IEEE Spectrum berichtet, wie KI-Modelle in Smartphone-Größe Medikamente auf Echtheit prüfen, Pflanzenkrankheiten erkennen und EKGs ausführen, an Orten ohne Breitband und Rechenzentren.
