Tóm tắt
GPT-Live là thế hệ voice model mới của OpenAI, được thiết kế để hội thoại tự nhiên hơn bằng kiến trúc full-duplex. Model có thể nghe và nói đồng thời, biết khi nào nên trả lời, im lặng, ngắt lời hoặc gọi tool trong khi cuộc trò chuyện vẫn tiếp tục.
Bản phát hành ban đầu tập trung vào ChatGPT Voice. API chưa mở ngay, nhưng OpenAI cho biết GPT-Live sẽ được đưa vào API sau và hiện cho phép developer, enterprise đăng ký nhận thông báo.
Có gì mới
Full-duplex thay cho hội thoại theo lượt
Các voice system cũ thường đi theo một trong hai hướng. Cascaded system dùng speech-to-text, LLM và text-to-speech theo chuỗi, nên dễ mất thông tin và phản hồi chậm. Turn-based voice model nhanh hơn, nhưng vẫn phải chờ người dùng dừng nói trước khi trả lời.
GPT-Live xử lý input liên tục trong lúc đang tạo output. Model có thể ra quyết định nhiều lần mỗi giây: tiếp tục nghe, nói, dừng lại, phản hồi ngắn, ngắt lời đúng lúc hoặc gọi tool.
Tách hội thoại realtime khỏi tác vụ sâu
GPT-Live xử lý phần tương tác liên tục, còn các câu hỏi cần search, reasoning hoặc agentic work có thể được delegate sang model frontier phía sau. Ở thời điểm launch, OpenAI dùng GPT-5.5 cho phần backend reasoning này.
Điểm hay của thiết kế này là voice model không phải tự làm mọi thứ. Nó giữ nhịp hội thoại, còn phần nặng chạy nền và trả kết quả về khi sẵn sàng.
Hai phiên bản ban đầu
OpenAI bắt đầu rollout GPT-Live-1 và GPT-Live-1 mini cho người dùng ChatGPT toàn cầu. GPT-Live-1 sẽ là default cho ChatGPT Voice trên Go, Plus và Pro; GPT-Live-1 mini là default cho Free users.
Các mức Instant, Medium và High khác nhau ở model phía sau. Instant và mini dùng GPT-5.5 Instant, còn Medium và High dùng GPT-5.5 Thinking với effort tương ứng.
Thay đổi quan trọng
GPT-Live chưa hỗ trợ voice với video hoặc screen sharing trong ChatGPT ở thời điểm launch. OpenAI nói các khả năng này đang được phát triển. Một số ngôn ngữ có thể vẫn có accent không tự nhiên hoặc khoảng trống về độ trôi chảy.
Về safety, GPT-Live có training riêng cho các rủi ro audio-native như emotional reliance, self-harm, psychosis/mania, violence và nội dung sexual. Hệ thống cũng có safeguard chạy realtime trong lúc model đang nói.
Ý nghĩa với Dev
Dev nên quan tâm vì full-duplex thay đổi cách thiết kế voice agent. Nếu API mở, app không còn phải mô phỏng realtime bằng turn detection, silence timeout và chuỗi STT-LLM-TTS rời rạc.
Với sản phẩm support, tutoring hoặc hands-free workflow, kiến trúc “voice giữ hội thoại, model khác làm việc nền” sẽ dễ scale hơn. Phần cần kiểm tra kỹ là API pricing, latency thật, quyền kiểm soát tool và khả năng logging/audit cho các cuộc hội thoại dài.