OpenAI lancia le API per le conversazioni vocali con GPT-Live-1

OpenAI ha portato GPT-Live-1 nelle API, rendendo disponibile agli sviluppatori il modello vocale full-duplex già utilizzato nella nuova modalità Voce di ChatGPT.

L’annuncio del 10 settembre 2026 segna il passaggio da un’esperienza pensata soprattutto per l’utente finale a uno strumento integrabile in applicazioni, servizi telefonici e agenti vocali aziendali.

GPT-Live-1 può ascoltare mentre parla, gestire interruzioni e modulare tono, ritmo e stile attraverso le istruzioni di sistema. OpenAI dichiara inoltre un miglioramento del 30% nel Full Duplex Bench rispetto a GPT-Realtime-2.1. Il modello può delegare attività come ricerca, ragionamento e utilizzo di strumenti a modelli backend, mantenendo nel frattempo la conversazione attiva.

GPT-Live-1 cambia il funzionamento della voce

La differenza tecnica più rilevante riguarda l’architettura full-duplex. Nei sistemi vocali tradizionali, il flusso passa generalmente da riconoscimento vocale a modello linguistico e sintesi della risposta; ogni passaggio può aggiungere latenza e rendere più complessa la gestione delle interruzioni. GPT-Live-1 elabora invece audio in ingresso e in uscita nello stesso processo, consentendo all’utente di parlare mentre l’agente sta rispondendo.

Il modello può quindi riconoscere una correzione, una nuova informazione o un’interruzione senza attendere la conclusione della risposta precedente. OpenAI segnala inoltre una gestione più efficace del rumore ambientale e dei silenzi, aspetti particolarmente importanti nelle telefonate e nelle conversazioni effettuate fuori da ambienti silenziosi.

Il modello mantiene comunque il supporto al rilevamento dei turni, permettendo agli sviluppatori di costruire applicazioni che richiedono confini espliciti tra gli interventi. La parte vocale può inoltre fornire trascrizioni e testo della risposta, mentre il sistema può controllare lingua, lunghezza delle risposte, tono e velocità attraverso le istruzioni. OpenAI amplia anche la scelta delle voci, includendo differenti accenti, dialetti e lingue. Per le sessioni prolungate, l’azienda dichiara miglioramenti nella conservazione del contesto e nella continuità delle conversazioni.

La voce continua mentre l’AI svolge compiti complessi

GPT-Live-1 separa la gestione della conversazione dalle operazioni che richiedono maggiore elaborazione. Quando l’utente chiede una ricerca, un ragionamento approfondito o l’esecuzione di uno strumento, il modello può delegare il lavoro a un sistema backend come GPT-6 Astra oppure a un modello di terze parti.

L’agente vocale può continuare a interagire durante l’elaborazione, evitando che una richiesta lenta trasformi la conversazione in una sequenza di attese. La documentazione API prevede inoltre l’impiego di GPT-Live-1 per comunicazioni telefoniche tramite SIP, con scenari che includono assistenza clienti e prenotazioni.