Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

GPT-Live: glas koji istovremeno sluša i govori

Lekcija 6 od 12 Ažurirano 5. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Tri generacije glasa
  2. Inteligencija u pozadini
  3. Dostupnost pri lansiranju
  4. Što se mijenja za tvoje slučajeve uporabe
  5. Tvoj red
  6. Ključne točke

Stanje na dan 5. studenoga 2026. GPT-Live 1 dostupan je putem API-ja od 10. rujna 2026. po cijeni od 0,05 USD po minuti glasovne sesije. Dva francuska glasa, Brise i Sillage, dodana su 16. listopada (Lekcija 10). U ChatGPT-u opcija Live sada pokreću modeli GPT-Live-1.1 i GPT-Live-1.1 Quip. Od 9. rujna glasovni način rada može delegirati teška pitanja modelu GPT-5.6 ili GPT-6 Astra.

OpenAI je 8. srpnja 2026. lansirao GPT-Live, novu generaciju glasovnih modela koja sada pokreće ChatGPT Voice. Ne radi se samo o nadogradnji postojećeg pogona; riječ je o temeljnom arhitektonskom pomaku. Da bismo razumjeli što ovaj novi sustav donosi, moramo pogledati arhitekture koje su mu prethodile.

Tri generacije glasa

Prva verzija ChatGPT Voicea povezivala je tri modela u lanac: jedan za transkripciju tvojeg govora u tekst, veliki jezični model za generiranje odgovora i pogon za pretvorbu teksta u govor za sintezu zvuka. Ova kaskada omogućila ti je prvi razgovor s naprednim modelom, ali gubila je informacije u svakom koraku, što je odgovore činilo sporima i isprekidanima.

Napredni glasovni način (Advanced Voice Mode) kasnije je obrađivao i generirao audio unutar jednog modela, smanjujući kašnjenje. Međutim, i dalje je radio po principu „tur-po-tur“: model je čekao da završiš s govorom prije nego što bi odgovorio. Budući da se kraj tura detektirao tišinom, kratka stanka ili buka iz okoline mogli su potaknuti model da prekine razgovor u pogrešnom trenutku.

GPT-Live koristi arhitekturu punog dupleksa (full-duplex): kontinuirano obrađuje ono što čuje dok govori, odlučujući više puta u sekundi hoće li govoriti, slušati, napraviti pauzu, prekinuti sam sebe ili pozvati alat. U praksi, može pokazati da prati razgovor („mhmm“, „da“) bez da te prekine, rukovati brzim razmjenama ili ostati tih dok ti razmišljaš.

Tri generacije glasa Tri stupca. Kaskada: transkripcija, jezični model, zatim pretvorba teksta u govor; spori odgovori i gubitak informacija. Tur-po-tur: jedan audio model, glađi, ali čeka kraj tura i pogrešno tumači stanke. Puni dupleks, GPT-Live: sluša i govori istovremeno, delegirajući težak posao snažnijem modelu. OD KASKADE DO PUNOG DUPLEKSA Tri generacije glasa Kaskada Načelo Tri modela u lancu Ograničenje Sporo, gubici između karika Tur-po-tur Načelo Jedan audio model Ograničenje Čeka kraj tura Puni dupleks Načelo Sluša i govori istovremeno Prednost Delegira težak posao
Na temelju najave „Introducing GPT-Live“ (OpenAI, 8. srpnja 2026.).

Inteligencija u pozadini

GPT-Live ne rješava teške zadatke samostalno. Kada pitanje zahtijeva pretraživanje weba, duboko rezoniranje ili složeni zadatak, on delegira posao snažnijem modelu i vraća rezultat u razgovor čim bude spreman. U međuvremenu, nastavlja razgovarati s tobom; razgovor se ne smrzava. Pri lansiranju, ovaj pozadinski model bio je GPT-5.5, a OpenAI je najavio da će usvajati nove modele kako budu izlazili. Od 9. rujna, ChatGPT Voice može se osloniti na GPT-5.6 ili GPT-6 Astra.

Dostupnost pri lansiranju

ElementStanje na dan 8. srpnja 2026.
ModeliGPT-Live-1 za plaćene planove, GPT-Live-1 mini za besplatni plan
ChatGPTImplementiran na chatgpt.com te iOS/Android aplikacijama u podržanim regijama
Poslovni, Enterprise i Edu radni prostoriNisu bili dostupni pri lansiranju
Video i dijeljenje zaslonaNisu podržani; ostali dostupni putem Naprednog glasovnog načina
APINajavljen za kasnije, uz obrazac za prijavu

Dana 31. srpnja, OpenAI je dodao SynthID vodeni žig podržanom audio sadržaju generiranom s GPT-Liveom, kako u ChatGPT-u tako i u API-ju, zajedno s alatom za provjeru podrijetla.

Što se mijenja za tvoje slučajeve uporabe

Za osposobljavanje, korisničku podršku temeljenu na glasu ili asistenciju bez upotrebe ruku, puni dupleks uklanja glavni problem glasovnih asistenata: kruto uzimanje tura. Trener koji koristi glas za simulaciju intervjua sada može povratiti ritam pravog razgovora, uključujući prekide, dodatna pitanja i tišine. Danas ove postavke možeš pronaći pod Postavke > Glas, koje nude tri opcije: Live, Napredni način i Standardni način. Video i dijeljenje zaslona na mobilnim uređajima i dalje zahtijevaju Napredni način.

Tvoj red

Isprobaj kontinuirani razgovor. U ChatGPT Voiceu s uključenom opcijom Live, isprobaj ova tri scenarija: prekini odgovor usred rečenice, napravi dugu stanku za razmišljanje i postavi pitanje koje zahtijeva pretraživanje weba dok nastavljaš razgovarati tijekom izvršavanja. Zabilježi kako razgovor reagira svaki put, a zatim ponovi test koristeći Napredni način za usporedbu.

Službeni izvori: Introducing GPT-Live (OpenAI, 8. srpnja 2026.) · Bilješke o izdanju ChatGPT-a · ChatGPT Voice (Centar za pomoć OpenAI) · GPT-Live 1 (Dokumentacija OpenAI API-ja)

Ključne točke

  • GPT-Live je puni dupleks: sluša i govori istovremeno bez čekanja da tvoj tur završi
  • Delegira teška pitanja snažnijem modelu i u međuvremenu nastavlja govoriti
  • Pri lansiranju: GPT-Live-1 za plaćene planove, GPT-Live-1 mini za besplatne, bez videa ili profesionalnih radnih prostora
  • API je otvoren 10. rujna 2026.; u ChatGPT-u konfiguriraj Live pod Postavke > Glas