OpenAI Rilis Model Suara GPT-Live-1 untuk Pengembang via API

OpenAI pada hari Kamis mengumumkan perilisan GPT-Live-1, sebuah model suara baru yang kini tersedia melalui API untuk para pengembang. Model ini dirancang khusus untuk membangun aplikasi dan alur kerja bisnis yang diaktifkan oleh suara, dengan kemampuan utama untuk mendengar dan berbicara secara bersamaan.

Kemampuan Utama dan Arsitektur

GPT-Live-1 mengintegrasikan pemrosesan audio masuk dan keluar ke dalam satu model tunggal. Menurut OpenAI, pendekatan ini secara signifikan mengurangi penundaan yang biasa terjadi pada arsitektur tradisional yang memisahkan proses transkripsi (speech-to-text), pemrosesan bahasa, dan sintesis suara (text-to-speech).

Model ini juga dapat mendelegasikan tugas penalaran dan pemanggilan *tools* ke model *backend* lain, seperti GPT-6 Astra atau model pihak ketiga. Pengembang diberikan fleksibilitas untuk menyesuaikan nada, kecepatan, dan gaya percakapan agen suara melalui *system prompt*, serta kemampuan untuk menangani kebisingan latar belakang dan keheningan tanpa mengganggu interaksi.

Dampak Awal dan Peningkatan Kinerja

Evaluasi awal dari para mitra menunjukkan peningkatan kinerja yang signifikan. Platform pembelajaran bahasa Speak melaporkan bahwa GPT-Live-1 berhasil mengurangi interupsi hingga hampir 80% dibandingkan dengan sistem berbasis giliran sebelumnya, memberikan pengguna lebih banyak waktu untuk berpikir.

Ad

Secara teknis, salah satu perusahaan layanan kesehatan mencatat bahwa implementasi model ini menyederhanakan basis kode mereka hingga 80% dan menghapus 23.000 baris kode. Dalam evaluasi kinerja, GPT-Live-1 menunjukkan peningkatan 30 poin persentase pada *benchmark Full Duplex Bench* dibandingkan pendahulunya, GPT-Realtime-2.1.

Ketersediaan dan Implikasi Komersial

GPT-Live-1 kini tersedia bagi pengembang melalui API dengan biaya $0,05 per menit untuk lapisan suara (*front-end*). Biaya ini belum termasuk penggunaan model *backend* yang dipilih oleh pengembang untuk tugas penalaran.

Peluncuran ini membuka peluang baru bagi perusahaan untuk menciptakan agen layanan pelanggan, asisten virtual, dan aplikasi lain yang memerlukan interaksi suara yang lancar dan cerdas. OpenAI juga menyatakan rencananya untuk terus memperluas pilihan suara dan ketersediaan bahasa di masa mendatang.