Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

GPT-Live: glas, ki hkrati posluša in govori

Lekcija 6 od 12 Posodobljeno 5. november 2026 Srednje napredni
Na tej strani
  1. Tri generacije glasu
  2. Inteligenca v ozadju
  3. Razpoložljivost ob zagonu
  4. Kaj to spremeni za tvoje primere uporabe
  5. Tvoja vrsta
  6. Ključne ugotovitve

Stanje na dan 5. novembra 2026. GPT-Live 1 je v API-ju na voljo od 10. septembra 2026 po ceni 0,05 $ na minuto glasovne seje. 16. oktobra so dodali dva francoska glasu, Brise in Sillage (lekcija 10). V ChatGPT možnost Live zdaj poganjata modela GPT-Live-1.1 in GPT-Live-1.1 Quip. Od 9. septembra lahko glasovni način težka vprašanja delegira modeloma GPT-5.6 ali GPT-6 Astra.

OpenAI je 8. julija 2026 predstavil GPT-Live, novo generacijo glasovnih modelov, ki zdaj poganja ChatGPT Voice. Ne gre le za nadgradnjo obstoječega pogona, temveč za temeljit arhitekturni premik. Da bi razumel, kaj ta novi sistem prinaša, si moraš ogledati arhitekture, ki so mu predhodile.

Tri generacije glasu

Prva različica ChatGPT Voice je povezala tri modele v verigo: enega za prepis tvoje govorne vsebine v besedilo, veliki jezikovni model za generiranje odgovora in motor za pretvorbo besedila v govor za sintezo zvoka. Ta kaskada ti je prvič omogočila pogovor z naprednim modelom, vendar je na vsakem koraku izgubljala informacije, zaradi česar so bili odzivi počasni in trzajoči.

Napredni glasovni način (Advanced Voice Mode) je kasneje obdeloval in generiral zvok znotraj enega samega modela, kar je zmanjšalo zakasnitev. Vendar je še vedno deloval po principu izmenjave: model je počakal, da si končal z govorjenjem, šele nato je odgovoril. Ker je bil konec poteze zaznan s tišino, je kratek premor ali hrup v ozadju lahko sprožil, da je model prekinil pogovor ob napačnem trenutku.

GPT-Live uporablja arhitekturo polnega dupleksa (full-duplex): neprestano obdeluje, kar sliši, medtem ko govori, in večkrat na sekundo odloča, ali naj govori, posluša, naredi premor, se sam prekine ali prikliče orodje. V praksi lahko pokaže, da sledi pogovoru („mhmm”, „da”), ne da bi te prekinil, obvlada hitre izmenjave ali ostane tiho, medtem ko si vzameš čas za razmislek.

Tri generacije glasu Trije stolpci. Kaskada: prepis, jezikovni model, nato pretvorba besedila v govor; počasni odzivi in izguba informacij. Izmenjava: en sam zvočni model, bolj tekoče, vendar čaka na konec poteze in napačno razlaga premore. Polni dupleks, GPT-Live: hkrati posluša in govori, težko delo delegira zmogljivejšemu modelu. OD KASKADE DO POLNEGA DUPLEKSA Tri generacije glasu Kaskada Načelo Trije modeli v verigi Omejitev Počasno, izgube med členi Izmenjava Načelo En sam zvočni model Omejitev Čaka na konec poteze Polni dupleks Načelo Hkrati posluša in govori Prednost Delegira težko delo
Na podlagi napovedi „Introducing GPT-Live" (OpenAI, 8. julij 2026).

Inteligenca v ozadju

GPT-Live težkih nalog ne opravlja sam. Ko vprašanje zahteva spletno iskanje, globoko sklepanje ali kompleksno nalogo, delo delegira zmogljivejšemu modelu in rezultat vrne v pogovor, ko je ta pripravljen. Medtem nadaljuje pogovor s tabo; konverzacija se ne zamrzne. Ob zagonu je bil ta ozadjski model GPT-5.5, OpenAI pa je napovedal, da bo prevzel nove modele, ko bodo izšli. Od 9. septembra se lahko ChatGPT Voice zanaša na modela GPT-5.6 ali GPT-6 Astra.

Razpoložljivost ob zagonu

ElementStanje na dan 8. julija 2026
ModeliGPT-Live-1 za plačljive načrte, GPT-Live-1 mini za brezplačni načrt
ChatGPTNameščen na chatgpt.com in v aplikacijah za iOS/Android v podprtih regijah
Delovni prostori Business, Enterprise in EduOb zagonu niso bili na voljo
Video in souporaba zaslonaNista podprta; ostala sta na voljo prek naprednega glasovnega načina
APINapovedan za kasneje, z obrazcem za prijavo

OpenAI je 31. julija dodal vodni žig SynthID podprti zvočni vsebini, generirani z GPT-Live, tako v ChatGPT kot v API-ju, skupaj z orodjem za preverjanje izvora.

Kaj to spremeni za tvoje primere uporabe

Za usposabljanje, glasovno podporo strankam ali pomoč brez uporabe rok polni dupleks odpravlja glavno težavo glasovnih pomočnikov: togo izmenjavo govora. Trener, ki z glasom simulira intervju, lahko zdaj ponovno vzpostavi ritem pravega pogovora, vključno s prekinitvami, nadaljnjimi vprašanji in tišino. Danes te nastavitve najdeš pod Nastavitve > Glas, kjer so na voljo tri možnosti: Live, Napredni način in Standardni način. Video in souporaba zaslona na mobilnih napravah še vedno zahtevata napredni način.

Tvoja vrsta

Preizkusi neprekinjen pogovor. V ChatGPT Voice z omogočeno možnostjo Live preizkusi te tri scenarije: sredi stavka prekini odziv, naredi dolg premor za razmislek in zastavi vprašanje, ki zahteva spletno iskanje, medtem ko nadaljuješ z govorom, ko ga sistem izvaja. Zabeleži, kako se pogovor vsakič odzove, nato test ponovi z uporabo naprednega načina za primerjavo.

Uradni viri: Introducing GPT-Live (OpenAI, 8. julij 2026) · Opombe ob izdaji ChatGPT · ChatGPT Voice (Center za pomoč OpenAI) · GPT-Live 1 (Dokumentacija API OpenAI)

Ključne ugotovitve

  • GPT-Live deluje v polnem dupleksu: posluša in govori hkrati, ne da bi čakal na konec tvoje poteze
  • Težka vprašanja delegira zmogljivejšemu modelu in medtem nadaljuje z govorom
  • Ob zagonu: GPT-Live-1 za plačljive načrte, GPT-Live-1 mini za brezplačne, brez videa ali profesionalnih delovnih prostorov
  • API se je odprl 10. septembra 2026; v ChatGPT nastaviš Live pod Nastavitve > Glas