Memperkenalkan GPT‑Live

Kami meluncurkan GPT‑Live, generasi baru model suara yang membuat berbicara dengan AI terasa jauh lebih seperti percakapan sungguhan.

GPT‑Live dibangun di atas arsitektur dupleks penuh, yang berarti ia dapat mendengarkan dan berbicara pada saat yang sama. Selama percakapan, GPT‑Live dapat menunjukkan bahwa ia memperhatikan dengan ungkapan seperti “mhmm” atau “ya”, terlibat dalam percakapan bolak-balik yang cepat, atau tetap diam saat Anda membutuhkan waktu untuk berpikir. Hasilnya adalah pengalaman suara yang terasa sangat mudah diajak berbicara.

GPT‑Live juga merupakan model suara kami yang paling cerdas sejauh ini. Untuk pertanyaan yang memerlukan pencarian web, penalaran lebih mendalam, atau pekerjaan yang lebih kompleks, GPT‑Live mendelegasikannya ke model terdepan terbaru kami di balik layar dan membawa hasilnya kembali ke percakapan saat sudah siap. Sambil bekerja, GPT‑Live dapat terus berbicara dengan Anda dan menjaga alur percakapan. Saat peluncuran, GPT‑Live akan menggunakan GPT‑5.5 di latar belakang. Seiring kami merilis model terdepan baru, kami akan terus memperbarui model yang digunakan oleh GPT‑Live.

Kemajuan ini mendukung pengalaman ChatGPT Suara baru yang lebih cerdas dan alami digunakan. Seiring waktu, kami percaya riset ini juga akan membuka kemampuan untuk menggunakan suara bagi pekerjaan yang semakin kompleks, berjalan lebih lama, dan lebih agentik.

Mulai hari ini, kami mulai meluncurkan dua versi GPT‑Live – GPT‑Live‑1 dan GPT‑Live‑1 mini – kepada pengguna ChatGPT di seluruh dunia. Kami juga berencana segera menghadirkannya ke API, dan developer serta perusahaan dapat mendaftar untuk menerima pemberitahuan melalui formulir⁠ ini.

Visi kami adalah memungkinkan interaksi manusia–AI yang benar-benar alami: dunia tempat berkolaborasi dengan AI terasa seluwes dan seresponsif bekerja dengan orang lain, sementara penalaran dan pelaksanaan tugas kompleks berjalan mulus di latar belakang.

Generasi lama sistem AI suara membawa kita lebih dekat ke visi tersebut, tetapi dengan kompromi penting.

Sistem suara berantai mengandalkan serangkaian model yang bekerja satu per satu untuk memproses setiap giliran. ChatGPT Suara asli merangkai tiga model: model ucapan-ke-teks untuk mentranskripsikan ucapan Anda, model bahasa besar untuk menghasilkan respons, dan model teks-ke-ucapan untuk mengubahnya kembali menjadi ucapan. Pendekatan ini memungkinkan kami berbicara dengan model AI terdepan untuk pertama kalinya, tetapi kompleksitasnya membawa konsekuensi: informasi dapat hilang di antara model, dan respons menjadi lambat serta kaku.

Model suara berbasis giliran seperti mode suara tingkat lanjut ChatGPT memproses dan menghasilkan audio dalam satu model, sehingga mengurangi latensi dan membuat percakapan lebih lancar — tetapi tetap beroperasi melalui giliran-giliran terpisah. Model harus menunggu pengguna berhenti berbicara sebelum merespons, sehingga percakapan bolak-balik terasa kaku. Selain itu, karena deteksi giliran didasarkan pada keheningan, jeda singkat atau suara latar saja dapat disalahartikan sebagai akhir giliran — sehingga model menyela pada waktu yang tidak alami.

GPT‑Live mengatasi keterbatasan ini melalui dua perubahan arsitektur.

Pertama, kami membangun GPT‑Live untuk interaksi berkelanjutan menggunakan arsitektur dupleks penuh. Alih-alih memproses rangkaian pesan terpisah, GPT‑Live terus memproses input sambil menghasilkan output. Karena itu, model dapat mengambil keputusan interaksi berkali-kali per detik: apakah akan berbicara, terus mendengarkan, menjeda, menyela, atau memanggil alat.

Ini memungkinkan model terlibat dalam percakapan bolak-balik yang lebih alami, menjaga pemahaman waktu yang lebih baik, bahkan melakukan terjemahan langsung.

Kedua, kami memisahkan GPT‑Live — yang menangani interaksi berkelanjutan — dari pekerjaan yang lebih mendalam. Saat sebuah pertanyaan memerlukan pencarian, penalaran, atau kemampuan yang lebih agentik, GPT‑Live dapat mendelegasikan tugas tersebut ke model lain seperti GPT‑5.5. Dengan begitu, GPT‑Live dapat menjaga percakapan tetap berjalan, bahkan saat menangani beberapa tugas di latar belakang.

Perubahan arsitektur ini juga memungkinkan GPT‑Live terus menggunakan model dan agen terbaru, menggabungkan kecerdasan terdepan dengan interaksi yang alami.

Kami membuat evaluasi manusia baru untuk mengukur kenyamanan dan alur percakapan. Dalam perbandingan langsung ini, GPT‑Live‑1 dan GPT‑Live‑1 mini jauh lebih disukai daripada mode suara tingkat lanjut dalam percakapan 5–10 menit yang sepadan, yang mengukur preferensi keseluruhan, giliran bicara, interupsi, alur percakapan, dan seberapa alami setiap interaksi terasa.

• GPQA: GPT‑Live‑1 secara signifikan mengungguli mode suara tingkat lanjut pada GPQA, yang menguji penalaran ilmiah tingkat pakar di bidang biologi, kimia, dan fisika.
• BrowseComp: GPT‑Live‑1 menunjukkan peningkatan besar dibandingkan mode suara tingkat lanjut pada BrowseComp, yang menguji pencarian web agentik dan kemampuan menemukan informasi yang sulit ditemukan.
• τ³-Voice Telecom**: GPT‑Live‑1 mengungguli mode suara tingkat lanjut pada τ³-Voice Telecom, yang menguji agen suara pada tugas dukungan telekomunikasi yang realistis dan terdiri dari banyak giliran.

Setiap minggu, lebih dari 150 juta orang berbicara dengan ChatGPT menggunakan fitur seperti Suara dan Dikte. Mereka menggunakannya untuk mendapatkan bantuan sehari-hari tanpa perlu mengetik, berlatih bahasa, bercerita sebelum tidur, atau sekadar mengobrol saat perjalanan.

Mulai hari ini, saat Anda mengetuk tombol Suara untuk berbicara dengan ChatGPT, Anda akan mendapatkan pengalaman yang lebih baik berkat GPT‑Live—dengan percakapan yang lebih alami, jawaban yang lebih cerdas, kemampuan mendengarkan yang lebih baik, dan respons visual.

Berbicara dengan ChatGPT kini akan terasa jauh lebih seperti percakapan sungguhan. Anda bisa menyela dengan pertanyaan, berhenti sejenak untuk menyusun pikiran, atau meminta ChatGPT berbicara lebih pelan. ChatGPT akan merespons secara alami dengan ungkapan seperti “mhmm” atau “mengerti”, sehingga Anda tahu bahwa ia mengikuti pembicaraan. Kami juga telah me-remaster sembilan suara khas di ChatGPT untuk GPT‑Live.

ChatGPT Suara kini dapat memanfaatkan model terdepan terbaru kami, sehingga memberi Anda jawaban yang lebih cerdas saat dibutuhkan. Anda juga bisa memilih tingkat penalaran yang sesuai dengan kebutuhan: Instant untuk respons cepat, atau Medium dan High saat Anda ingin ChatGPT meluangkan lebih banyak waktu untuk berpikir.

Jika Anda perlu waktu sejenak untuk berpikir, ChatGPT Suara kini akan menunggu, bukan langsung masuk dan menyela. Jika Anda memintanya diam dan mendengarkan, ia akan melakukannya. Dan saat ada suara latar, seperti lalu lintas yang lewat atau percakapan di sekitar, ChatGPT lebih mampu berfokus pada suara Anda alih-alih teralihkan.

Sebagian jawaban lebih berguna saat bisa dilihat. Saat Anda berbicara, ChatGPT kini dapat menampilkan kartu visual kaya untuk topik seperti cuaca, saham, olahraga, dan lainnya. Suara juga tetap mendukung pencarian, memori, gambar, dan unggahan file.

Hasilnya adalah pengalaman ChatGPT Suara yang terasa lebih alami, lebih andal, dan lebih berguna dalam kehidupan sehari-hari.

GPT‑Live dirancang agar aman secara bawaan. GPT‑Live dibangun di atas kemajuan keamanan dari model terbaru kami, sekaligus menambahkan pelatihan keamanan khusus di area risiko utama dan perlindungan baru yang dirancang khusus untuk suara.

Untuk lebih mencerminkan cara orang menggunakan suara dalam situasi nyata, kami mulai dengan memperluas pengujian keamanan untuk mencakup evaluasi baru yang asli berbasis audio. Kami juga membuat evaluasi sintetis yang menggunakan audio yang dihasilkan untuk lebih intensif berfokus pada area keamanan utama, dengan memanfaatkan pembelajaran dari mode suara tingkat lanjut. Area tersebut mencakup menyakiti diri sendiri, psikosis dan mania, ketergantungan emosional pada AI, kekerasan, dan konten seksual. Para pakar internal juga melakukan red-team terhadap model untuk risiko yang unik pada suara.

Dalam pengujian kami, kinerja GPT‑Live setara atau lebih baik daripada mode suara tingkat lanjut di hampir semua area yang kami evaluasi. Anda dapat membaca lebih lanjut tentang pengujian dan perlindungan kami di kartu sistem⁠(terbuka di jendela baru) GPT‑Live.

Karena percakapan suara berlangsung secara real time, kami juga membangun perlindungan yang dapat bekerja saat model sedang berbicara. Saat sistem mendeteksi keluaran yang berpotensi tidak aman, sistem dapat mengarahkan model ke respons yang lebih aman, menampilkan pesan atau sumber daya keamanan tambahan, atau mengakhiri percakapan suara dalam kasus berisiko lebih tinggi. Untuk percakapan yang melibatkan menyakiti diri sendiri, kami menyesuaikan alur dukungan ChatGPT untuk suara, termasuk menawarkan dukungan hotline krisis yang telah diperiksa oleh pakar.

Kami merancang perlindungan tambahan untuk mendukung pengguna remaja, dan melatih perilaku yang sesuai usia langsung ke dalam model untuk mengurangi risiko respons yang tidak pantas. Orang tua dapat memilih apakah anak remajanya dapat menggunakan ChatGPT Suara melalui pengawasan orang tua, dan orang tua yang terhubung dapat diberi tahu dalam situasi berisiko lebih tinggi yang melibatkan tanda-tanda potensi menyakiti diri sendiri atau niat bunuh diri.

Kami juga meluncurkan pengukuran jangka lebih panjang dan pemantauan pascapeluncuran yang berfokus pada ketergantungan emosional untuk terus meningkatkan pemahaman kami dan menyempurnakan perlindungan. Berdasarkan riset kami sebelumnya tentang penggunaan afektif dan kesejahteraan emosional, upaya ini akan membantu kami mengidentifikasi pola yang muncul dan memperbaiki cara sistem merespons dalam interaksi yang sensitif secara emosional.

Terakhir, GPT‑Live dirancang untuk percakapan, bukan peniruan suara. GPT‑Live menggunakan serangkaian suara yang telah ditetapkan di ChatGPT, dengan perlindungan untuk mencegahnya meniru suara orang sungguhan.

Kami berkomitmen untuk mendukung keamanan dan kesejahteraan, dan akan terus memperkuat perlindungan ini seiring kami belajar dari penggunaan di dunia nyata.

GPT‑Live kini mulai diluncurkan untuk pengguna ChatGPT di seluruh dunia di iOS, Android, dan ChatGPT.com⁠(terbuka di jendela baru). GPT‑Live‑1 akan menjadi model default yang mendukung ChatGPT Suara untuk pengguna Go, Plus, dan Pro, dan GPT‑Live‑1 mini akan menjadi default untuk pengguna Free. Detail ketersediaan selengkapnya dapat ditemukan di Pusat Bantuan⁠(terbuka di jendela baru) kami.

Kami telah mengoptimalkan GPT‑Live untuk beberapa bahasa paling populer di ChatGPT. Untuk bahasa tertentu, model mungkin memiliki aksen non-native atau masih kurang lancar. Kami secara aktif berupaya meningkatkan pengalaman ini di berbagai bahasa.

Saat peluncuran, GPT‑Live belum akan mendukung suara dengan video atau berbagi layar di ChatGPT, tetapi kami sedang berupaya menghadirkan kemampuan ini segera. Anda masih dapat mengakses versi lama ChatGPT Suara, termasuk Standard dan mode suara tingkat lanjut, jika fitur-fitur ini tersedia.