GPT‑Live‑1 transporte les conversations vocales naturelles et bidirectionnelles vers l’API. Le modèle peut écouter et parler simultanément ; il peut déléguer des tâches aux modèles auxquels il est associé ainsi qu’à des outils pour un raisonnement et des actions plus approfondis. Les développeurs peuvent orienter l’expérience vocale en fonction de leurs utilisateurs, de leurs flux de travail et de leurs objectifs.
La capacité du modèle à gérer les interruptions a été jugée positivement par Speak lors des premières évaluations. En accordant davantage de temps aux élèves pour réfléchir avant la réponse du professeur de langue, GPT‑Live‑1 a réduit les interruptions de près de 80 % par rapport aux systèmes séquentiels précédents. Contrairement aux agents vocaux traditionnels, qui divisent la conversation en étapes de voix vers texte, de raisonnement et de texte vers voix, GPT‑Live‑1 réunit l’écoute et la parole au sein d’un seul modèle. Il peut gérer en temps réel les réponses, les acquiescements et les interruptions, tout en poursuivant les opérations plus approfondies en arrière-plan.
Les développeurs peuvent choisir les modèles, les outils et l’infrastructure des agents ; Luna peut être utilisé pour la planification à haut volume ou les mises à jour de commandes, tandis qu’Astra peut l’être pour les problèmes complexes des clients. La vitesse, le coût et le niveau de raisonnement peuvent ainsi être ajustés en fonction de la tâche. GPT‑Live‑1 fournit des transcriptions ASR et le texte des réponses ; il prend en charge les expressions alphanumériques ainsi que la priorisation des mots-clés. Bien qu’il ne s’agisse pas d’un modèle séquentiel, la détection des tours de parole y est également intégrée.
Lors des évaluations, GPT‑Live‑1 a augmenté de 30 points ses performances au Full Duplex Bench face à GPT‑Realtime‑2.1. Il s’est classé premier sur Tau3 en matière de raisonnement de niveau intermédiaire avec GPT‑6 Astra. Le modèle propose un éventail plus large de voix pour différents accents, dialectes et langues. Il est disponible dès aujourd’hui dans l’API au tarif de 0,05 $ par minute pour la couche vocale frontend. Il peut être intégré à Codex et OpenAI Presence ; pour accéder aux voix personnalisées, il est nécessaire de contacter l’équipe commerciale.
Pourquoi est-ce important ?
Cette approche concerne notamment les scénarios de formation et de service client, où les interactions sont souvent interrompues, en permettant de gérer le flux des échanges dans les applications vocales sans le diviser en étapes distinctes de reconnaissance, de traitement et de synthèse vocale. Sa capacité à prendre en charge l’écoute, la réponse et les tâches en arrière-plan au sein d’une même architecture permet aux développeurs de concevoir différents composants en fonction des exigences de rapidité, de coût et de raisonnement, plutôt que de s’appuyer sur un agent unique. Les résultats des premières évaluations montrent que les comparaisons de performances mesurent non seulement les capacités techniques, mais aussi le naturel des échanges et les temps d’attente. Le fait que l’API fournisse la transcription et le texte de réponse facilite l’intégration des interactions vocales aux flux de travail existants. Toutefois, le coût total de la tarification à la minute en cas d’utilisation à grande échelle et le fait que l’accès aux voix personnalisées dépende d’un processus commercial restent des points en suspens que les équipes qui passeront à la mise en œuvre devront évaluer séparément.
Contexte
GPT n’est pas un nouveau nom dans les archives de FikirPilot : au cours des 90 derniers jours, nous avons publié 2 articles mentionnant ce nom ; le plus récent est daté du 13 septembre 2026.
Terme : agent
Un agent d’intelligence artificielle est un logiciel qui appelle des outils et exécute des tâches en plusieurs étapes afin d’atteindre un objectif, plutôt que de produire une seule réponse.