OpenAI wypuściło 8 lipca dwa nowe modele głosowe: GPT-Live-1 oraz lżejszy GPT-Live-1 mini. To istotna zmiana w tym, jak rozmawiamy z ChatGPT. Modele głosowe OpenAI potrafią teraz mówić i słuchać jednocześnie, więc można im naturalnie przerwać w połowie zdania, tak jak w rozmowie z drugim człowiekiem.
GPT-Live-1 mini zastępuje dotychczasowy Advanced Voice Mode i staje się domyślnym trybem głosowym dla wszystkich użytkowników ChatGPT. Mocniejszy GPT-Live-1 trafia do subskrybentów płatnych. Najważniejsza zmiana techniczna jest pod maską: modele rezygnują z dawnego, trójstopniowego łańcucha (mowa na tekst, model językowy, tekst na mowę) na rzecz bezpośredniej obsługi dźwięku. Do trudniejszych zadań, takich jak wyszukiwanie w sieci, głębsze rozumowanie czy działania agentowe, GPT-Live oddaje pracę modelowi GPT-5.5 w tle, nie przerywając płynności rozmowy.
Skalę pokazują liczby: z funkcji głosowych ChatGPT korzysta już ponad 150 milionów osób. Product lead Atty Eleti opowiadał o „30- do 40-minutowych rozmowach" prowadzonych podczas spacerów, a OpenAI pozycjonuje głos jako podstawowy interfejs do pracy z komputerem i zapowiada własne słuchawki z AI jeszcze w 2026 roku. Firma pokazała też tłumaczenie na żywo w demonstracji po hindi, choć sama przyznaje, że jakość dla języków innych niż angielski wymaga jeszcze dopracowania. Niezależny recenzent Simon Willison, który testował model tygodniami, ocenił go jako „bardzo imponujący" i wspominał o godzinnych rozmowach w trakcie spaceru. Zauważył też drobny błąd, gdy model niepotrzebnie wtrącał śmiech.
Dla polskich firm płynie z tego praktyczny wniosek: interfejs głosowy przestaje być gadżetem, a staje się realnym kanałem pracy z AI. Pełny dupleks i niższe opóźnienia otwierają zastosowania w obsłudze klienta, w szkoleniach czy w robieniu notatek w terenie, gdzie pisanie na klawiaturze jest niewygodne. Ograniczeniem pozostaje jednak jakość dla języka polskiego. Zanim posadzimy głosowego asystenta do kontaktu z klientem, warto przetestować go na własnych nagraniach i scenariuszach, zamiast ufać demonstracjom prowadzonym po angielsku.
Źródło: TechCrunch (EN), 8 lipca 2026; dodatkowo Simon Willison (EN).
