Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

GPT-Live: Die Stimme, die gleichzeitig zuhört und spricht

Lektion 6 von 12 Aktualisiert am 5. November 2026 Mittelstufe
Auf dieser Seite
  1. Drei Generationen der Sprachverarbeitung
  2. Intelligenz im Hintergrund
  3. Verfügbarkeit zum Start
  4. Was dies für Ihre Anwendungsfälle ändert
  5. Sie sind dran
  6. Kernaussagen

Stand: 5. November 2026. GPT-Live 1 ist seit dem 10. September 2026 über die API verfügbar (0,05 USD pro Minute Sprachsession). Zwei französische Stimmen, Brise und Sillage, wurden am 16. Oktober hinzugefügt (Lektion 10). In ChatGPT läuft die Live-Option nun auf GPT-Live-1.1 und GPT-Live-1.1 Quip. Seit dem 9. September kann der Sprachmodus schwierige Fragen an GPT-5.6 oder GPT-6 Astra delegieren.

Am 8. Juli 2026 brachte OpenAI GPT-Live auf den Markt, eine neue Generation von Sprachmodellen, die nun ChatGPT Voice antreibt. Dies ist kein bloßes Upgrade der bestehenden Engine, sondern ein fundamentaler Architekturwechsel. Um zu verstehen, was dieses neue System leistet, müssen wir einen Blick auf die vorherigen Architekturen werfen.

Drei Generationen der Sprachverarbeitung

Die erste Version von ChatGPT Voice verknüpfte drei Modelle miteinander: eines zur Transkription Ihrer Sprache in Text, ein großes Sprachmodell zur Generierung der Antwort und eine Text-zu-Sprache-Engine zur Synthese des Audiosignals. Diese Kaskade ermöglichte es Ihnen erstmals, mit einem fortschrittlichen Modell zu sprechen, führte jedoch bei jedem Schritt zu Informationsverlusten, was die Antworten langsam und abgehackt machte.

Der Erweiterte Sprachmodus (Advanced Voice Mode) verarbeitete und generierte Audio später innerhalb eines einzigen Modells, was die Latenz reduzierte. Allerdings arbeitete er weiterhin strikt turnusmäßig: Das Modell wartete, bis Sie mit dem Sprechen fertig waren, bevor es antwortete. Da das Ende eines Sprechbeitrags durch Stille erkannt wurde, konnte eine kurze Pause oder ein Hintergrundgeräusch das Modell dazu veranlassen, zum falschen Zeitpunkt zu unterbrechen.

GPT-Live nutzt eine Voll-Duplex-Architektur: Es verarbeitet kontinuierlich, was es hört, während es spricht, und entscheidet mehrmals pro Sekunde, ob es sprechen, zuhören, pausieren, sich selbst unterbrechen oder ein Werkzeug aufrufen soll. In der Praxis kann es zeigen, dass es folgt („mhmm”, „ja”), ohne Sie zu unterbrechen, schnelle Wechsel bewältigen oder schweigen, während Sie Zeit zum Nachdenken benötigen.

Drei Generationen der Sprachverarbeitung Drei Spalten. Kaskade: Transkription, Sprachmodell, dann Text-zu-Sprache; langsame Antworten und Informationsverlust. Turnusweise: Einzelnes Audiomodell, flüssiger, wartet aber auf das Ende des Beitrags und missinterpretiert Pausen. Voll-Duplex, GPT-Live: Hört zu und spricht gleichzeitig, delegiert schwierige Arbeit an ein leistungsfähigeres Modell. VON DER KASKADE ZUM VOLL-DUPLEX Drei Generationen der Sprachverarbeitung Kaskade Prinzip Drei Modelle in einer Kette Einschränkung Langsam, Verluste zwischen den Gliedern Turnusweise Prinzip Einzelnes Audiomodell Einschränkung Wartet auf das Ende des Beitrags Voll-Duplex Prinzip Hört zu und spricht gleichzeitig Vorteil Delegiert schwierige Arbeit
Basierend auf der Ankündigung „Introducing GPT-Live" (OpenAI, 8. Juli 2026).

Intelligenz im Hintergrund

GPT-Live bewältigt schwierige Aufgaben nicht allein. Wenn eine Frage eine Websuche, tiefgreifendes Schlussfolgern oder eine komplexe Aufgabe erfordert, delegiert es die Arbeit an ein leistungsfähigeres Modell und führt das Ergebnis zurück in das Gespräch, sobald es vorliegt. Währenddessen spricht es weiter mit Ihnen; das Gespräch friert nicht ein. Zum Start war dieses Hintergrundmodell GPT-5.5, und OpenAI gab an, neue Modelle bei deren Veröffentlichung zu übernehmen. Seit dem 9. September kann sich ChatGPT Voice auf GPT-5.6 oder GPT-6 Astra stützen.

Verfügbarkeit zum Start

ElementStand 8. Juli 2026
ModelleGPT-Live-1 für kostenpflichtige Pläne, GPT-Live-1 mini für den kostenlosen Plan
ChatGPTEingeführt auf chatgpt.com und in den iOS-/Android-Apps in unterstützten Regionen
Business-, Enterprise- und Edu-WorkspacesZum Start nicht verfügbar
Video und BildschirmfreigabeNicht unterstützt; blieben über den Erweiterten Sprachmodus verfügbar
APIFür später angekündigt, mit einem Anmeldeformular

Am 31. Juli fügte OpenAI sowohl in ChatGPT als auch in der API ein SynthID-Wasserzeichen zu unterstützten, mit GPT-Live generierten Audioinhalten hinzu, zusammen mit einem Werkzeug zur Herkunftsprüfung.

Was dies für Ihre Anwendungsfälle ändert

Für Schulungen, sprachbasierten Kundensupport oder freihändige Assistenz beseitigt Voll-Duplex den Hauptschmerzpunkt von Sprachassistenten: das starre Turnus-Prinzip. Ein Trainer, der Sprache zur Simulation eines Interviews nutzt, kann nun den Rhythmus eines echten Gesprächs wiederherstellen, einschließlich Unterbrechungen, Nachfragen und Pausen. Heute finden Sie diese Einstellungen unter Einstellungen > Sprache, wo drei Optionen zur Verfügung stehen: Live, Erweiterter Modus und Standardmodus. Video und Bildschirmfreigabe auf Mobilgeräten erfordern weiterhin den Erweiterten Modus.

Sie sind dran

Testen Sie das kontinuierliche Gespräch. Versuchen Sie in ChatGPT Voice mit aktivierter Live-Option folgende drei Szenarien: Unterbrechen Sie die Antwort mitten im Satz, machen Sie eine lange Denkpause und stellen Sie eine Frage, die eine Websuche erfordert, während Sie weiter sprechen, während diese ausgeführt wird. Beobachten Sie, wie das Gespräch jeweils reagiert, und wiederholen Sie den Test dann im Erweiterten Modus, um einen Vergleich anzustellen.

Offizielle Quellen: Introducing GPT-Live (OpenAI, 8. Juli 2026) · ChatGPT Release Notes · ChatGPT Voice (OpenAI Help Center) · GPT-Live 1 (OpenAI API-Dokumentation)

Kernaussagen

  • GPT-Live ist voll-duplex-fähig: Es hört zu und spricht gleichzeitig, ohne auf das Ende Ihres Beitrags zu warten
  • Es delegiert schwierige Fragen an ein leistungsfähigeres Modell und spricht in der Zwischenzeit weiter
  • Zum Start: GPT-Live-1 für kostenpflichtige Pläne, GPT-Live-1 mini für Kostenlos-Nutzer, ohne Video oder professionelle Workspaces
  • Die API wurde am 10. September 2026 freigeschaltet; konfigurieren Sie Live in ChatGPT unter Einstellungen > Sprache