GPT‑Live‑1 soll Sprachassistenten flüssigere Gespräche ermöglichen

OpenAI stellt GPT‑Live‑1 über seine Programmierschnittstelle bereit. Das Modell kann gleichzeitig zuhören und sprechen, Unterbrechungen verarbeiten und anspruchsvollere Aufgaben an verbundene Modelle und Werkzeuge übertragen.

GPT‑Live‑1 war zuvor in ChatGPT eingeführt worden und ist nun laut OpenAIs Produktvorstellung über die API verfügbar. Entwickler sollen damit sprachgestützte Anwendungen und Geschäftsabläufe aufbauen sowie Tonfall, Sprechtempo und Gesprächsstil über die Systemanweisung anpassen können.

Weniger Unterbrechungen im Sprachlerndienst Speak

Eine zentrale Funktion ist der Umgang mit Pausen, Zwischenrufen und Änderungen während eines Gesprächs. In frühen Bewertungen des Sprachlerndienstes Speak verringerte GPT‑Live‑1 die Unterbrechungen gegenüber vorherigen Systemen mit abwechselnden Gesprächsbeiträgen um fast 80 Prozent. Lernende erhielten dadurch mehr Bedenkzeit, bevor der digitale Sprachlehrer antwortete.

Das Modell soll außerdem Hintergrundgeräusche und Stille verarbeiten, ohne Gespräche unnötig zu unterbrechen oder jeden Verarbeitungsschritt laut wiederzugeben. OpenAI führt zudem eine bessere Beibehaltung des Zusammenhangs und der Gesprächsqualität über längere Sitzungen an. GPT‑Live‑1 erzeugt von sich aus Spracherkennungstexte sowie Textfassungen seiner Antworten.

Hören und Sprechen in einem Modell

Herkömmliche Sprachassistenten bestehen häufig aus drei technischen Stufen: Sprache wird zunächst in Text umgewandelt, anschließend von einem Sprachmodell verarbeitet und danach wieder als gesprochene Ausgabe erzeugt. Diese als STT–LLM–TTS bezeichnete Kette kann durch Übergaben zusätzliche Verzögerungen verursachen und Gesprächsrhythmus oder Zusammenhang beeinträchtigen.

GPT‑Live‑1 verarbeitet eingehende und ausgehende Audiosignale dagegen gemeinsam in einem Modell. Dadurch kann es auf Unterbrechungen und kurze Bestätigungen reagieren, während anspruchsvolleres Schlussfolgern oder die Verwendung von Werkzeugen im Hintergrund erfolgt. Entwickler wählen die dafür angebundenen Modelle, Werkzeuge und Steuerungssysteme, also Software, die den Ablauf und die Werkzeugnutzung des KI-Modells organisiert, selbst.

Aufgaben lassen sich an andere Modelle übertragen

Nach den Angaben zur API-Einführung kann GPT‑Live‑1 Schlussfolgerungsaufgaben und Werkzeugaufrufe etwa an GPT‑6 Astra oder Modelle anderer Anbieter weitergeben. OpenAI beschreibt zudem eine mögliche Aufteilung, bei der Luna häufige Aufgaben wie Terminplanung oder Bestelländerungen übernimmt, während Astra komplexe Kundenanliegen bearbeitet. So sollen sich Schlussfolgerungstiefe, Geschwindigkeit und Kosten an die jeweilige Aufgabe anpassen lassen.

Für Telefonate unterstützt GPT‑Live‑1 gleichzeitiges Hören und Sprechen. Als mögliche Einsatzfelder nennt OpenAI Restaurantreservierungen und den Kundendienst. Eine in der Produktvorstellung gezeigte Anwendung von Yelp Host bewältigt dabei Hintergrundgeräusche, Nebengespräche und Unterbrechungen während einer Reservierung.