GPT-Live: głos, który słucha i mówi jednocześnie
Na tej stronie
Stan na 5 listopada 2026 r. GPT-Live 1 jest dostępny w API od 10 września 2026 r. w cenie 0,05 USD za minutę sesji głosowej. 16 października dodano dwa francuskie głosy: Brise i Sillage (lekcja 10). W ChatGPT opcja Live działa obecnie na modelach GPT-Live-1.1 oraz GPT-Live-1.1 Quip. Od 9 września tryb głosowy może delegować trudne pytania do modeli GPT-5.6 lub GPT-6 Astra.
8 lipca 2026 r. OpenAI wprowadziło GPT-Live – nową generację modeli głosowych, która napędza obecnie funkcję ChatGPT Voice. To nie tylko aktualizacja istniejącego silnika, ale fundamentalna zmiana architektury. Aby zrozumieć, co wnosi ten nowy system, musimy przyjrzeć się architekturom, które go poprzedziły.
Trzy generacje głosu
Pierwsza wersja ChatGPT Voice łączyła ze sobą trzy modele: jeden do transkrypcji mowy na tekst, duży model językowy do generowania odpowiedzi oraz silnik zamiany tekstu na mowę (TTS) do syntezy dźwięku. Taki kaskadowy przepływ pozwolił po raz pierwszy rozmawiać z zaawansowanym modelem, ale na każdym etapie tracono informacje, co sprawiało, że odpowiedzi były powolne i urywane.
Późniejszy zaawansowany tryb głosowy (Advanced Voice Mode) przetwarzał i generował dźwięk w ramach jednego modelu, co zmniejszyło opóźnienia. Nadal jednak działał on w trybie „kadencja po kadencji“: model czekał, aż skończysz mówić, zanim odpowiedział. Ponieważ koniec wypowiedzi wykrywano na podstawie ciszy, krótka pauza lub hałas w tle mogły sprawić, że model przerwie Ci w niewłaściwym momencie.
GPT-Live wykorzystuje architekturę pełnodupleksową (full-duplex): ciągle przetwarza to, co słyszy, jednocześnie mówiąc, i wielokrotnie w ciągu sekundy decyduje, czy mówić, słuchać, zrobić pauzę, przerwać sobie samemu, czy wywołać narzędzie. W praktyce potrafi okazać, że podąża za Twoją wypowiedzią („mhmm“, „tak“), nie przerywając Ci, obsłużyć szybką wymianę zdań lub zachować ciszę, gdy potrzebujesz czasu na zastanowienie.
Inteligencja w tle
GPT-Live nie radzi sobie samodzielnie z trudnymi zadaniami. Gdy pytanie wymaga przeszukiwania sieci, głębokiego rozumowania lub wykonania złożonej czynności, deleguje pracę do potężniejszego modelu, a gotowy wynik wprowadza z powrotem do rozmowy. W międzyczasie nadal z Tobą rozmawia; konwersacja nie zastyga. W momencie premiery modelem działającym w tle był GPT-5.5, a OpenAI zapowiedziało, że będzie przyjmować nowe modele wraz z ich wydaniem. Od 9 września ChatGPT Voice może korzystać z modeli GPT-5.6 lub GPT-6 Astra.
Dostępność w dniu premiery
| Element | Stan na 8 lipca 2026 r. |
|---|---|
| Modele | GPT-Live-1 dla planów płatnych, GPT-Live-1 mini dla planu darmowego |
| ChatGPT | Wdrożony na chatgpt.com oraz w aplikacjach na iOS/Android w obsługiwanych regionach |
| Przestrzenie robocze Business, Enterprise i Edu | Niedostępne w dniu premiery |
| Wideo i udostępnianie ekranu | Nieobsługiwane; dostępne nadal poprzez zaawansowany tryb głosowy |
| API | Zapowiedziane na później, z formularzem rejestracyjnym |
31 lipca OpenAI dodało znak wodny SynthID do obsługiwanych treści audio generowanych za pomocą GPT-Live, zarówno w ChatGPT, jak i w API, wraz z narzędziem do weryfikacji pochodzenia.
Co to zmienia w Twoich przypadkach użycia
W szkoleniach, obsłudze klienta opartej na głosie czy asystencji hands-free tryb pełnodupleksowy eliminuje główny problem asystentów głosowych: sztywne naprzemienne mówienie. Trener wykorzystujący głos do symulacji rozmowy kwalifikacyjnej może teraz odtworzyć rytm prawdziwej konwersacji, łącznie z przerywaniem, pytaniami dodatkowymi i chwilami ciszy. Obecnie ustawienia te znajdziesz w sekcji Ustawienia > Głos, która oferuje trzy opcje: Live, Tryb zaawansowany i Tryb standardowy. Wideo i udostępnianie ekranu na urządzeniach mobilnych nadal wymagają Trybu zaawansowanego.
Czas na Ciebie
Przetestuj ciągłą rozmowę. W ChatGPT Voice z włączoną opcją Live wypróbuj trzy scenariusze: przerwij odpowiedź w połowie zdania, zrób długą pauzę na zastanowienie i zadaj pytanie wymagające przeszukania sieci,继续 mówiąc, gdy model wykonuje zadanie. Zauważ, jak konwersacja reaguje za każdym razem, a następnie powtórz test, używając Trybu zaawansowanego, aby porównać wyniki.
Źródła oficjalne: Introducing GPT-Live (OpenAI, 8 lipca 2026 r.) · Notatki wydania ChatGPT · ChatGPT Voice (Centrum pomocy OpenAI) · GPT-Live 1 (Dokumentacja API OpenAI)
Kluczowe wnioski
- GPT-Live działa w trybie pełnodupleksowym: słucha i mówi jednocześnie, nie czekając na koniec Twojej wypowiedzi
- Deleguje trudne pytania do potężniejszego modelu i kontynuuje rozmowę w międzyczasie
- W dniu premiery: GPT-Live-1 dla planów płatnych, GPT-Live-1 mini dla planu darmowego, bez obsługi wideo i przestrzeni profesjonalnych
- API zostało uruchomione 10 września 2026 r.; w ChatGPT skonfiguruj opcję Live w menu Ustawienia > Głos