Im Maschinenraum hängt seit heute ein Sprachtrichter, der nicht mehr höflich wartet, bis der Mensch fertig ist. Er hört weiter, während er schon antwortet. Früher nannte man so etwas Zwischenreden. Im KI-Regal heißt es jetzt: Full Duplex.
OpenAI hat laut TechCrunch neue Sprachmodelle namens GPT-Live-1 und GPT-Live-1 mini veröffentlicht. Sie sollen ChatGPT Voice natürlicher machen, Unterbrechungen besser aushalten und beim Reden nicht jedes Mal so tun, als müsse erst ein Formular abgestempelt werden. Search Engine Journal ordnet außerdem ein, dass GPT-Live während eines Gesprächs Suchen anstoßen und visuelle Antworten zeigen kann.
Der alte Sprachautomat hatte eine Wartemarke
Die bisherige Telefonzentrale im ChatGPT-Keller war eher eine Kette aus kleinen Beamten: Sprache erkennen, Textmodell fragen, Sprache wieder ausgeben. Einer nach dem anderen, sauber gestempelt, manchmal mit dieser Sekunde Stille, in der alle im Raum kurz glauben, die Leitung sei in den Urlaub gefahren.
GPT-Live soll diese Kette enger ziehen. TechCrunch beschreibt die Modelle als full-duplex: hören und sprechen zur gleichen Zeit. Das ist technisch der interessante Teil, weil Gespräch nicht nur aus Wörtern besteht, sondern aus Einwürfen, „warte kurz“, Luftholen, halben Sätzen und diesem menschlichen Geräusch, wenn jemand merkt, dass er gerade Unsinn bestellt hat.
Wenn der Hebel mitten im Satz gezogen wird
OpenAI behauptet, die neuen Modelle könnten besser mit natürlichem Turn-Taking umgehen. Also mit dem Moment, in dem der Mensch dem Automaten ins Getriebe greift. Nicht als Drama, eher als Alltag: „Nein, nicht die lange Version“, „übersetz das sofort“, „Moment, ich meinte Dienstag“. Genau da trennt sich Sprach-KI von der Ansage im Fahrstuhl.
Die große Blechfrage bleibt: Wird das Gespräch dadurch menschlicher, oder nur schneller im Weg? Ein Assistent, der gleichzeitig zuhört und spricht, kann angenehm wirken. Er kann aber auch klingen wie ein Callcenter mit frisch geöltem Selbstbewusstsein, wenn die Bremse fehlt. Full Duplex ist ein guter Schraubenschlüssel. Er ist kein Charakterzeugnis.
Im Hintergrund rattert der Suchschacht
Interessant ist auch die Nebenmaschine. Laut TechCrunch kann GPT-Live komplexere Anfragen an neuere Textmodelle wie GPT-5.5 weiterreichen, während die Unterhaltung läuft. Search Engine Journal hebt die Such- und Visualisierungsfunktion in ChatGPT Voice hervor. Das klingt nach einem Sprachrohr, das vorn freundlich nickt und hinten eine Aktenmappe durch den Suchkasten jagt.
Für Nutzer ist das praktisch, wenn es klappt: weniger Pausen, mehr Kontext, schnellere Korrekturen. Für den Rest der Welt ist es eine weitere Erinnerung daran, dass KI-Produkte gerade aus dem Texteingabefeld herauskrabbeln. Erst kamen Chatfenster. Dann Agenten. Jetzt reden die Maschinen, während sie noch lauschen. Man möchte ihnen fast einen Werkstattvertrag hinlegen.
Quellen und Schrauben auf dem Tisch
Faktenkern dieses Stücks sind die verifizierten Berichte von TechCrunch über GPT-Live-1 und GPT-Live-1 mini sowie Search Engine Journal zur GPT-Live-Integration in ChatGPT Voice. Anbieterbehauptungen zu Natürlichkeit, Turn-Taking und Modellleistung bleiben Anbieterbehauptungen, bis unabhängige Messungen oder Nutzererfahrungen den Lack abkratzen.
Bis dahin steht im Blechpresse-Keller ein Sprachautomat mit zwei Ohren, einem Mund und einem roten Hebel. Der Hebel ist wichtig. Man sollte ihn sehen können, bevor die Maschine „mhmm“ sagt und schon wieder weiterdreht.