ChatGPT ist bei vielen aus dem Alltag nicht mehr wegzudenken. Doch die künstliche Intelligenz kann nicht nur zum Schreiben von Texten genutzt werden. Auch richtige Gespräche lassen sich mit dem Chatbot führen. Bislang basierte ChatGPT Voice auf GPT-4o. Gestern hat OpenAI mit GPT-Live jedoch eine neue Generation seines Sprachmodells vorgestellt.
Advanced Voice Mode wird ersetzt
Bisher liefen Unterhaltungen mit ChatGPT Voice nach einem relativ klassischen Prinzip ab. Der Nutzer stellte eine Frage, woraufhin die KI die Sprache verarbeitete und anschließend eine Antwort ausgab. Zwar konnte der Advanced Voice Mode bereits deutlich flüssiger reagieren als frühere Sprachassistenten, allerdings waren Nutzer und KI weiterhin an einzelne Gesprächsabschnitte gebunden.
Natürlichere Gespräche dank Full-Duplex
Mit GPT-Live soll sich das nun ändern. Das neue Sprachmodell basiert auf einer sogenannten Full-Duplex-Architektur und kann dadurch gleichzeitig zuhören und sprechen. Eingaben werden fortlaufend verarbeitet, während das Modell mehrmals pro Sekunde entscheidet, ob es antwortet, weiter zuhört oder eine Pause einlegt. Dadurch sollen Gespräche weniger steif wirken. GPT-Live kann beispielsweise mit kurzen Aussagen wie „mhm“ signalisieren, dass es weiterhin zuhört. Gleichzeitig soll die KI besser erkennen, wenn der Nutzer nur kurz nachdenkt und noch nicht mit seiner Aussage fertig ist.
GPT-5.5 übernimmt komplexere Aufgaben
GPT-Live kümmert sich in erster Linie um die laufende Unterhaltung. Für komplexere Aufgaben kann das Sprachmodell jedoch auf GPT-5.5 zurückgreifen. Das ist beispielsweise dann der Fall, wenn eine Anfrage eine Websuche oder umfangreichere Überlegungen erfordert. Die Verarbeitung findet im Hintergrund statt, während GPT-Live die Unterhaltung weiterführen kann. Sobald ein Ergebnis vorliegt, wird dieses wieder in das Gespräch eingebunden. Dadurch sollen längere Wartezeiten vermieden werden. Zum Start können Nutzer zudem zwischen verschiedenen Denkstufen wählen. Der Instant-Modus ist auf möglichst schnelle Antworten ausgelegt. In den Modi Medium und High nimmt sich GPT-5.5 hingegen mehr Zeit für komplexere Fragestellungen.
ChatGPT wartet bei Denkpausen länger
Neben schnelleren und natürlicheren Antworten soll GPT-Live auch besser mit Gesprächspausen umgehen können. Legt der Nutzer eine kurze Denkpause ein, soll ChatGPT nicht mehr direkt mit einer Antwort dazwischengehen. Auf Wunsch kann die KI zudem angewiesen werden, zunächst nur zuzuhören. Auch Hintergrundgeräusche sollen seltener für Probleme sorgen. Vorbeifahrende Autos oder Gespräche anderer Personen sollen besser herausgefiltert werden, damit sich ChatGPT stärker auf die Stimme des eigentlichen Nutzers konzentrieren kann.
Visuelle Informationen ergänzen die Sprachausgabe
Da sich nicht jede Antwort ausschließlich über Sprache darstellen lässt, kann ChatGPT während eines Gesprächs künftig zusätzliche Informationen auf dem Display anzeigen. Dazu gehören beispielsweise Wettervorhersagen, Aktienkurse, Sportergebnisse oder Karten.
Rollout von GPT-Live hat bereits begonnen
GPT-Live wird ab sofort schrittweise für ChatGPT auf iOS, Android und im Browser verteilt. Die verfügbare Nutzungsdauer des neuen Sprachmodells hängt dabei vom jeweiligen Abonnement ab. Während kostenfreie Nutzer nur für eine begrenzte Dauer pro Tag auf GPT-Live zugreifen können, fallen die Nutzungslimits bei kostenpflichtigen Abos deutlich höher aus.
Mit * oder markierte Links sind „Affiliate-Links“. Mit dem Kauf über diesen Link erhalten wir eine Verkaufsprovision, ohne dass du mehr bezahlst.
Quellen:
Als angehender Technikjournalist, ist er hauptsächlich für die Bereiche Mobile und Wearables zuständig und kümmert sich um News sowie Testberichte von Smartphones, Tablets, Smartwatches und Kopfhörern. In seiner Freizeit verfolgt er die neuesten Entwicklungen im Bereich Consumer Electronics und Künstlicher Intelligenz. Wenn er mal nicht am PC sitzt, trifft man ihn im Fitnessstudio, auf Reisen oder beim Feiern mit Freunden.
