The Pulse

OpenAI rende disponibile il modello vocale GPT-Live-1 nella sua API

OpenAI ha reso disponibile GPT-Live-1 nella sua API, offrendo agli sviluppatori un modello vocale full-duplex in grado di ascoltare e parlare contemporaneamente. Il modello supporta la gestione delle interruzioni, la telefonia e il ragionam

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

In una prima valutazione, le interruzioni sono diminuite di quasi l’80%. È quanto è accaduto, secondo OpenAI, quando persone impegnate nell’apprendimento delle lingue hanno usato GPT-Live-1 al posto di un sistema vocale convenzionale basato sui turni, in cui l’assistente attende che l’interlocutore abbia finito di parlare prima di rispondere.

OpenAI ha reso disponibile GPT-Live-1 nella sua API il 10 settembre 2026, portando il modello vocale di ChatGPT agli sviluppatori che creano applicazioni vocali per il servizio clienti, il tutoraggio, la telefonia e altri ambiti. Il modello ascolta e parla contemporaneamente, mentre modelli di backend separati possono occuparsi di ragionamenti più complessi, ricerche sul web e chiamate agli strumenti.

Il rilascio offre agli sviluppatori maggiore controllo sulla voce e sul comportamento di un assistente vocale, ma segna anche un cambiamento tecnico nel modo in cui OpenAI prevede che vengano assemblati i sistemi vocali. Anziché combinare riconoscimento vocale, modello linguistico e sintesi vocale per ogni scambio, gli sviluppatori possono usare GPT-Live-1 come livello vocale continuo e collegarlo ai modelli e ai sistemi software sottostanti.

GPT-Live-1 continua a parlare mentre altri modelli lavorano

Gli agenti vocali tradizionali elaborano le conversazioni come una catena: prima la trascrizione del parlato, poi il ragionamento e infine la sintesi vocale. Ogni passaggio può aggiungere ritardo o far perdere informazioni su pause, tono e interruzioni. GPT-Live-1, invece, ragiona sull’audio in entrata e in uscita congiuntamente: può così continuare ad ascoltare mentre parla e rispondere quando un utente cambia direzione.

Il modello può delegare i compiti più difficili a un modello testuale di backend come GPT-6 Astra o a un modello di terze parti. Questa suddivisione permette a GPT-Live-1 di mantenere viva la conversazione mentre un altro sistema esegue ricerche, ragiona su una richiesta complessa o richiama uno strumento aziendale. Gli sviluppatori possono scegliere il modello di backend, gli strumenti e il sistema di orchestrazione, anziché legare ogni parte dell’applicazione a un unico modello.

L’API fornisce anche trascrizioni generate dal riconoscimento vocale automatico e il testo delle risposte, supporta il riconoscimento preferenziale di parole chiave e include il rilevamento nativo dei turni per le applicazioni che necessitano ancora di confini espliciti nella conversazione. Secondo OpenAI, GPT-Live-1 gestisce il rumore di fondo e il silenzio in modo più discreto, evitando commenti vocali non necessari quando un utente si ferma a riflettere.

Nei risultati di OpenAI, i test full-duplex mostrano un miglioramento di 30 punti

Secondo quanto riferisce OpenAI, GPT-Live-1 ha migliorato di 30 punti percentuali il proprio punteggio su Full Duplex Bench rispetto a GPT-Realtime-2.1. I maggiori progressi hanno riguardato la latenza nell’avvicendamento dei turni e il comportamento interattivo, comprese le pause, le interruzioni, le risposte di ascolto e il parlato in sottofondo, afferma l’azienda.

Nei primi test condotti da Speak, un’azienda che si occupa di apprendimento delle lingue, GPT-Live-1 ha ridotto di quasi l’80% le interruzioni durante le pause di riflessione degli studenti rispetto ai precedenti sistemi basati sui turni. Secondo OpenAI, GPT-Live-1 abbinato a GPT-6 Astra con un livello medio di impegno nel ragionamento si è anche classificato al primo posto nella sua valutazione Tau3 per i compiti svolti dagli agenti vocali dall’inizio alla fine.

«L’aggiunta di GPT-Live-1 a Yelp Host e Hatch ha migliorato l’avvicendamento dei turni e l’accuratezza rispetto alla nostra architettura vocale tradizionale. Quando Yelp Host usa GPT-Live-1 per rispondere a chiamate, ad esempio per prenotazioni e ordini di cibo, osserviamo miglioramenti significativi nei tassi di gestione delle chiamate».

Alex Levy, direttore tecnologico, Yelp

I risultati provengono dalle valutazioni interne di OpenAI e dai riscontri dei partner, anziché da un benchmark indipendente. Indicano il problema specifico che l’azienda intende affrontare: sistemi vocali capaci di riconoscere quando qualcuno sta ancora pensando, accettare un’interruzione e proseguire una conversazione senza costringere chi chiama ad attendere una risposta completa.

Telefonia e una scelta più ampia di voci

GPT-Live-1 supporta agenti vocali full-duplex per le telefonate, anche in casi d’uso come le prenotazioni al ristorante e l’assistenza clienti. Nell’annuncio di OpenAI figurano Yelp, Speak, Fin e Cognition tra le aziende che utilizzano o valutano il modello.

Il rilascio amplia anche la selezione di voci disponibili, prima limitata a un piccolo gruppo di voci in tempo reale. Gli sviluppatori possono scegliere tra voci come Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta e Cinder; OpenAI promette altre lingue e opzioni vocali nei prossimi mesi.

Tra gli esempi forniti dalla stessa OpenAI figura il collegamento di GPT-Live-1 a Codex. In questa configurazione, il modello vocale riceve la richiesta pronunciata dall’utente, invia il contesto pertinente a Codex e riporta la risposta ottenuta nella conversazione in corso. Questa struttura separa lo scambio audio dal compito software di più lunga durata, così una chiamata lenta a uno strumento non deve necessariamente interrompere la conversazione.

L’API parte da cinque centesimi al minuto

GPT-Live-1 è disponibile nell’API a 0,05 dollari al minuto per il livello vocale di front-end. Gli sviluppatori possono abbinarlo al modello di backend e allo stack applicativo adatti al loro prodotto: la tariffa pubblicata non rappresenta quindi il costo complessivo di un agente vocale che utilizzi anche modelli di ragionamento, strumenti, servizi di telefonia o sistemi aziendali.

OpenAI offre anche una soluzione aziendale gestita tramite OpenAI Presence, che utilizza GPT-Live-1 per interazioni vocali in grado di rispondere a domande, accedere ai sistemi aziendali, eseguire azioni approvate e passare la gestione al personale umano. Per accedere a voci personalizzate è necessario contattare il team commerciale di OpenAI.

Il rilascio di GPT-Live-1 nell’API trasforma la principale funzionalità del modello in ChatGPT in una piattaforma per sviluppatori: conversazione continua nel front-end, elaborazione più approfondita nel backend e supporto telefonico quando un’applicazione deve raggiungere gli utenti fuori da una finestra di chat. La prova immediata per OpenAI sarà verificare se l’interazione a minore latenza e il livello vocale più semplice si traducano in chiamate affidabili al prezzo che gli sviluppatori pagano effettivamente una volta incluso il lavoro di backend.