Hjälp Nya Dagbladet att finnas kvar
OpenAI:s nya röstmodell GPT-Live förändrar tempot i ChatGPT. Samtalet kan flyta i båda riktningarna, avbrytas mitt i en mening och fortsätta utan den stela växling som länge präglat röstassistenter.
Skillnaden märks snabbt. GPT-Live väntar inte längre artigt på att användaren ska tala färdigt innan modellen börjar bearbeta allt som ett separat kommando. Den lyssnar och talar samtidigt, reagerar på avbrott och kan lämna över ordet på ett sätt som ligger närmare ett vanligt samtal.
OpenAI lanserade modellen den 8 juli. GPT-Live har därefter rullats ut till ChatGPT Go, Plus och Pro, medan utrullningen till gratisanvändare pågår. Funktionen finns i ChatGPT på webben samt i apparna för IOS och Android.
Sam Altman beskriver upplevelsen som "magisk" och "verklig". Orden är förstås bolagschefens egna, men de fångar varför lanseringen väckt sådan uppmärksamhet: GPT-Live är mindre intressant som ännu en modellbeteckning än som ett nytt sätt att använda en språkmodell.
Slut på walkie-talkie-känslan
Den tekniska nyckeln är så kallad full duplex. Människan och modellen kan skicka ljud samtidigt. GPT-Live kan därmed höra ett avbrott medan den själv talar, pausa, svara på invändningen och sedan återgå till ämnet.
OpenAI har också arbetat med timing, tonfall och en tydligare personlighet. Modellen kan använda små bekräftelser, uppfatta när någon tvekar och låta ett kort avbrott passera utan att varje ljud omedelbart blir ett nytt kommando.
Resultatet är inte felfritt. Tidiga användare på X har visat både träffsäkra avbrott och situationer där modellen lämnar ordet för sent, missförstår brytningar eller blir för ivrig. Men communityns starkaste reaktion handlar just om flödet: flera testare beskriver det som det första röstläget som känns byggt för samtal snarare än röststyrda frågor och svar.
A good voice model should be enjoyable to talk to, and GPT-Live is a great conversationalist with a more natural and defined personality than previous voice models. pic.twitter.com/rfrBiqGkkN
— OpenAI (@OpenAI) July 8, 2026
Kan lämna över svårare uppgifter
GPT-Live behöver inte själv lösa allt i realtid. När en fråga kräver webbsökning, djupare resonemang eller flera arbetssteg kan röstmodellen enligt OpenAI lämna uppgiften till bolagets senaste toppmodell i bakgrunden. Svaret förs sedan tillbaka in i det pågående samtalet.
Den konstruktionen gör rösten till ett gränssnitt mot fler funktioner. En användare kan be om väder, söka efter en plats, jämföra alternativ eller få hjälp med en resplan utan att först avsluta röstsamtalet och gå över till text.
OpenAI:s demonstrationer visar bland annat hur en person packar inför en resa, frågar om vädret och ber om förslag på platser att se fotboll i Mexico City. Modellen kombinerar då samtalet med sökning och visuella resultat.
Språkträning, tolkning och händerna fria
De mest uppenbara användningsområdena finns där tangentbordet är i vägen. GPT-Live kan fungera som samtalspartner vid språkträning, ge återkoppling på uttal och formuleringar, hjälpa till under matlagning eller felsökning och föra ett löpande resonemang medan användaren arbetar med händerna.
Direktöversättning är ett annat område. I stället för att spela in en mening, vänta på transkribering och därefter få en uppläst översättning kan systemet föra dialogen vidare medan två personer talar. Lärare, supportpersonal, vårdadministration och tillgänglighetstjänster är andra tänkbara användningsområden, även om verksamheter med känsliga uppgifter måste ställa högre krav på dataskydd och dokumentation.
Communityn har också börjat använda modellen mer lekfullt. Ett spritt test går ut på att avbryta GPT-Live upprepade gånger och be den bli alltmer irriterad. Det låter trivialt, men demonstrerar hur modellen kan hålla fast vid en roll, reagera på samtalets rytm och anpassa tonfallet i realtid.
Rösten skickas fortfarande till molnet
Det naturliga samtalet kan få tekniken att kännas lokal och privat, men ljudet behandlas av en molntjänst. Användaren bör därför tänka igenom vad som sägs högt, särskilt vid arbete, vårdärenden, juridiska frågor, företagshemligheter eller samtal om andra personer.
OpenAI:s befintliga kontroller för historik, minne och användning av samtal för modellförbättring gäller även när ChatGPT används med röst. Den som vill minska dataspåren kan kontrollera inställningarna för Data Controls och Memory samt använda Temporary Chat för känsligare, tillfälliga samtal.
GPT-Live är fullt utrullad till betalande ChatGPT-användare. OpenAI uppger att gratisanvändare får tillgång successivt och att modellen även ska komma till företagets Realtime API.
Vad är den mest imponerande förbättringen med OpenAI:s nya röstmodell GPT-Live?
Röstning stängd
5 röster totalt
