OpenAI hat mit GPT-Live einen Sprachmodus veröffentlicht, der zuhört und antwortet wie ein Gesprächspartner statt wie ein Wechselsprechgerät. Für Unternehmen verschiebt das die Erwartung an jeden sprachgesteuerten Kundenkontakt. Der eigentliche Sprung liegt in der Architektur, nicht im Klang der Stimme.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
GPT-Live rollt seit dem 8. Juli 2026 weltweit an über 150 Millionen Nutzer der ChatGPT-Sprachfunktion aus[1], und der Unterschied fällt schon im ersten Satz auf. Das Modell wartet nicht mehr, bis Sie ausgeredet haben, sondern hört und spricht gleichzeitig. Damit holt OpenAI eine Fähigkeit nach, die Wettbewerber seit über einem Jahr vorführen.
Das Wichtigste in Kürze
- Vollduplex: GPT-Live hört und spricht parallel, Unterbrechungen wirken natürlich.
- Zwei Varianten: GPT-Live-1 für zahlende Kunden, GPT-Live-1 mini als kostenloser Standard.
- Delegation: Schwere Aufgaben reicht der Sprachmodus an Textmodelle wie GPT-5.5 weiter.
- Simultanübersetzung: gesprochene Sprache wird erstmals direkt im Gespräch übersetzt.
Was steckt hinter GPT-Live?
Ablösung. Der neue Sprachmodus ersetzt den bisherigen Advanced Voice Mode und läuft ab sofort auf iOS, Android und im Browser. Kostenlose Konten erhalten GPT-Live-1 mini, zahlende Kunden das größere GPT-Live-1.
Zwei Zusatzfunktionen. Neben dem flüssigen Gespräch übersetzt GPT-Live gesprochene Sprache in Echtzeit, erstmals direkt im ChatGPT-Gespräch. Antworten liefert der Modus bei Bedarf visuell, etwa Wetter, Kurse oder Sportergebnisse statt langer Vorlesetexte.
Arbeitsteilung. Für komplexe Recherche oder Logik gibt der Sprachmodus die Aufgabe an ein Frontier-Textmodell wie GPT-5.5 ab und spricht weiter, während im Hintergrund gerechnet wird. Dass sich Anbieter dabei zunehmend entkoppeln, zeigt auch Microsofts Wechsel auf eigene KI-Modelle in Excel und Outlook.
Warum Vollduplex mehr ist als schnelleres Antworten?
Nacheinander. Bisherige Sprachassistenten arbeiten im Wechsel: Sie reden, das System erkennt eine Sprechpause, dann antwortet es. Dieses Nacheinander erzeugt die typische, leicht behäbige Gesprächslücke.
Architekturwechsel. GPT-Live verarbeitet Ton dagegen ununterbrochen und entscheidet vielfach pro Sekunde neu, ob es spricht, zuhört, kurz bestätigt oder unterbricht. Genau dieser Umbau der Architektur, nicht eine schönere Stimme, senkt die Verzögerung und lässt das Gespräch menschlich wirken.
Kein Alleingang. Neu ist das Prinzip nicht. Googles Gemini Live führt vergleichbare Echtzeitgespräche seit 2024 vor, und das quelloffene Modell Moshi des französischen Labors Kyutai hat Vollduplex-Sprache im selben Jahr gezeigt. In der Diskussion auf Hacker News wird eingewandt, dass die Übersetzung in der Demo noch hölzern klang, etwa Hindi mit starkem amerikanischem Akzent. OpenAIs Beitrag ist damit weniger die Erfindung als die Verbreitung an eine sehr große Nutzerbasis.
Die eigentliche Neuerung steckt nicht in der Stimme, sondern in der Architektur. Ein Assistent, der zuhört und spricht wie ein Mensch, verschiebt die Messlatte für jeden Kundenservice.
— Markus Seyfferth, Chefredakteur Dr. Web
Sie sprechen, das System erkennt die Pause, dann antwortet es. Zwischen den Beiträgen entsteht eine spürbare Lücke.
Der Modus verarbeitet Ton ununterbrochen und entscheidet vielfach pro Sekunde, ob er spricht, zuhört oder kurz bestätigt.
Was bedeutet der Sprachmodus für Unternehmen im DACH-Raum?
Dauerhaftes Zuhören. Ein Assistent, der ununterbrochen zuhört, berührt sofort den Datenschutz. Beim Einsatz von GPT-Live im Kundenkontakt verarbeiten Unternehmen fortlaufend Audiodaten und brauchen dafür eine Rechtsgrundlage nach DSGVO sowie klare Löschregeln. Eine Gegenbewegung bilden Modelle wie Kokoro, das Sprachsynthese komplett auf der CPU erledigt und die Audiodaten damit im Haus behält.
Transparenzpflicht. Dazu kommt der EU AI Act. Artikel 50 verlangt, dass Menschen erkennen, wenn sie mit einer Maschine sprechen. Ein täuschend menschlicher Sprachmodus muss sich also als KI zu erkennen geben, gerade in Service-Hotlines. Das Vertrauen in KI-Werkzeuge bleibt ohnehin fragil, wie zuletzt die Debatte um eine mögliche Hintertür in Claude Code gezeigt hat.
Praxis. Für den Einsatz heißt das: erst Einsatzzweck und Datenflüsse klären, dann die Übersetzungsfunktion für mehrsprachigen Support testen und Haftungsfragen bei Falschauskünften vorab regeln. Wie schnell die Rechtsfrage konkret wird, zeigt der Markt bereits, denn die Münchener Rück versichert inzwischen sogar KI-Halluzinationen. Weitere Einordnungen sammeln wir laufend in unserem KI-Ressort.
Quelle
[1] OpenAI: „GPT-Live“ ↩
Mehr Newshunger?
- Copilot ohne OpenAI: Microsoft schaltet in Excel und Outlook auf eigene KI-Modelle um
- Kokoro: Sprachsynthese läuft lokal auf der CPU statt in der Cloud
- KI-Versicherung: Die Münchener Rück deckt jetzt auch Halluzinationen ab
- Die berühmte KI-Leseliste: 30 Aufsätze, die 90 Prozent des Fachs erklären sollen
- Hintertür in Claude Code? Was hinter Chinas Warnung an Entwickler steckt
