OpenAI Meluncurkan GPT-Live: Dapat Mendengar dan Bicara Secara Bersamaan, Menciptakan Pengalaman Percakapan Seperti Manusia Asli.

OpenAI pada hari Rabu meluncurkan model suara full-duplex GPT-Live-1 dan GPT-Live-1 mini, menggantikan Advanced Voice Mode versi lama, tugas kompleks akan didelegasikan ke GPT-5.5 yang dirilis bulan April tahun ini. （Ringkasan sebelumnya: Peningkatan Google Terjemahan: Gemini 3.5 membuat penerjemahan suara real-time tanpa jeda canggung） （Latar belakang: Buat layanan pelanggan AI dalam 2 menit! xAI meluncurkan Voice Agent Builder tanpa kode, skor suara mengalahkan OpenAI）

Mengakhiri dua tahun percakapan 「bergiliran seperti lentera」, pada hari Rabu OpenAI membuat ChatGPT belajar satu hal: mendengar dan berbicara secara bersamaan. Model suara baru GPT-Live meninggalkan logika penentuan giliran berdasarkan keheningan versi lama, beralih ke arsitektur full-duplex.

GPT-Live-1 dan GPT-Live-1 mini mulai hari ini tersedia secara global di iOS, Android, ChatGPT.com. GPT-Live-1 menjadi model suara default untuk pengguna berbayar Go, Plus, Pro, sementara GPT-Live-1 mini melayani pengguna gratis. API menunggu daftar tunggu pengembang. Ini adalah perubahan generasi ketiga teknologi suara ChatGPT dalam dua tahun, dan pernyataan paling jelas dari OpenAI: suara bukan lagi fitur tambahan dari chatbot teks, tetapi akan menjadi antarmuka utama interaksi manusia-AI.

Mengapa suara lama sering menyela?

OpenAI menulis di blog risetnya, GPT-Live memproses input dan menghasilkan output secara berkelanjutan. Model dapat membuat keputusan interaksi berkali-kali per detik, menentukan kapan harus berbicara, terus mendengar, berhenti, menyela, atau memanggil alat. Seorang peneliti di X menggambarkan pengalaman versi lama sebagai 「bergiliran seperti lentera」, hanya satu orang yang bisa berbicara pada satu waktu, setelah selesai baru giliran berikutnya.

Inilah titik lemah Advanced Voice Mode versi lama. OpenAI mengakui, karena menentukan giliran berdasarkan keheningan, jeda singkat atau kebisingan latar dapat disalahartikan sebagai pengguna selesai berbicara, menyebabkan model menyela pada waktu yang tidak alami.

Siapa yang bertanggung jawab berbicara, siapa yang bertanggung jawab berpikir?

Desain kunci lainnya dari GPT-Live adalah memisahkan 「lapisan interaksi suara」 dari 「lapisan penalaran」. Pertanyaan sederhana dijawab langsung oleh GPT-Live, tetapi jika memerlukan pencarian web, penalaran mendalam, atau tugas multi-langkah, pekerjaan didelegasikan ke model canggih yang berjalan di latar belakang, saat diluncurkan adalah GPT-5.5 yang dirilis bulan April tahun ini. Selama komputasi berlangsung, model tetap berkomunikasi dengan pengguna, tanpa jeda detik yang muncul pada pipeline lama.

Ini adalah desain modular, keuntungannya adalah meningkatkan kecerdasan tanpa harus melatih ulang model suara itu sendiri. Bagi perusahaan dan pengembang yang ingin menghubungkan agen suara ke database, pencarian, dan tugas multi-langkah, inilah penurunan hambatan yang sesungguhnya.

Versi baru juga menambahkan dua fitur kecil: selama percakapan, kartu visual seperti cuaca, harga saham, skor olahraga, peta akan muncul secara real-time. Pengguna juga dapat beralih di antara tiga tingkat penalaran: Instant (langsung), Medium (sedang), High (kompleks), memutuskan sendiri apakah ingin respons suara cepat atau jawaban yang lebih matang. Dengan kata lain, cepat dan akurat bukan lagi pilihan antara dua, pengguna dapat menarik garisnya sendiri.

OpenAI juga memanfaatkan kesempatan ini untuk merombak jajaran suara. Sembilan suara menekankan 「dirancang untuk percakapan, bukan tiruan suara」, dan menambahkan perlindungan terhadap peniruan suara manusia, sampai batas tertentu menanggapi hutang lama dari dua tahun lalu. Pada Mei 2024 saat GPT-4o diluncurkan, suara 「Sky」 dianggap oleh publik mirip dengan aktris pengisi suara Scarlett Johansson dalam film 《云端情人》. Dia sendiri mengonfirmasi pernah menolak tawaran pengisi suara dari Sam Altman, dan setelah produk diluncurkan, dia menggambarkan dirinya terkejut dan marah. OpenAI kemudian menarik suara tersebut dan meminta maaf.