Röviden: az OpenAI 2026. szeptember 10-én elérhetővé tette a GPT‑Live‑1-et az API-ban. A modell teljes duplex beszélgetésre készült: hallgatás közben is tud beszélni, kezeli a közbevágást és a rövid visszajelzéseket, miközben összetettebb gondolkodást vagy műveletet háttérmodellre és eszközökre bízhat. Az API induló ára a gyártó szerint 0,05 dollár percenként a hangos előtétrétegért; a háttérmodell és az eszközök költsége külön számítandó.
Forrásállapot: 2026. szeptember 11. A funkciók, mérési állítások, ár és elérhetőség az OpenAI hivatalos GPT‑Live‑1 API bejelentéséből származnak. A magyar nyelvi minőséget, telefonhálózati késleltetést és valós költséget saját hívásokkal kell mérni.
Mit jelent a teljes duplex hang?
A régebbi hangagentek gyakran három külön rendszerből állnak: beszédfelismerés, szöveges gondolkodó modell és beszédszintézis. A felhasználó befejezi a mondatot, a rendszer átírja, választ készít, majd felolvassa. Minden átadás késleltetést okoz, és a beszélgetés könnyen merevvé válik.
A GPT‑Live‑1 egyszerre tud figyelni és megszólalni. A hívó közbevághat, pontosíthat, nevethet vagy röviden visszajelezhet anélkül, hogy a teljes kör újraindulna. Az OpenAI közlése szerint a modell natív átiratot, válaszszöveget, fordulóérzékelést, kulcsszó-erősítést, WebRTC-, WebSocket- és telefonos kapcsolódást kínál.
Miért kell háttérmodell?
A természetes beszéd és a mély üzleti feladat nem ugyanaz a probléma. A GPT‑Live‑1 lehet a gyors, közvetlen hangos réteg, miközben egy háttéragent ellenőrzi a naptárat, keres a tudásbázisban, kiszámít egy ajánlatot vagy előkészít egy műveletet. Így a hívó nem hosszú csendet hall: az asszisztens jelezheti, min dolgozik, és szükség esetén pontosító kérdést tehet fel.
A jó architektúra ugyanakkor nem engedi, hogy a hangmodell ellenőrzés nélkül ígérjen árat, időpontot vagy visszatérítést. A háttéreszköz válasza legyen strukturált, a kritikus adatot olvassa vissza, a végleges művelet pedig kapjon üzleti szabályt vagy emberi jóváhagyást.
Hol adhat valódi értéket?
- Időpontfoglalás: szabad idő keresése, név és elérhetőség visszaolvasása, megerősítés.
- Gyakori kérdések: nyitvatartás, szolgáltatási terület, előkészület vagy rendelési állapot.
- Érdeklődő minősítése: igény, helyszín, határidő és költségkeret strukturált rögzítése.
- Nem fogadott hívás: visszahívási kérés és rövid összefoglaló készítése.
- Belső asszisztens: terepen dolgozó kolléga hanggal kérhet adatot vagy diktálhat jegyzetet.
Mennyi lehet egy hívás költsége?
A bejelentett 0,05 dolláros percár csak a GPT‑Live‑1 hangos előtétrétege. Egy ötperces beszélgetés ennek alapján 0,25 dollár alap hangréteg-költséget jelent, amelyhez hozzáadódik a háttérmodell tokenhasználata, a telefonos szolgáltató, az eszközök, a naplózás és az üzemeltetés. A teljes havi költséghez a hívások számát, átlagos hosszát, átadási arányát és a sikeresen lezárt ügyeket együtt kell mérni.
Olcsóbb modell sem gazdaságos, ha fölöslegesen hosszú a beszélgetés. Rövid bemutatkozás, egyértelmű kérdések, csendes háttérlekérdezés és gyors emberi átadás sokszor többet számít, mint néhány százalék modellár-különbség.
Magyar nyelvű pilot ellenőrzőlistája
- Tesztelj neveket, magyar címeket, ékezeteket, betűzést és telefonszámokat.
- Próbálj utcai zajt, kihangosítást, gyenge hálózatot és közbevágást.
- Mérd a válaszkezdetet, a félreértést, a javítás sikerét és az emberi átadást.
- A fontos adatot mindig olvastasd vissza, és küldj írásos megerősítést.
- Közöld érthetően, hogy AI-asszisztens beszél, és kezeld célhoz kötötten a felvételt vagy átiratot.
Az új modell a beszélgetés ritmusát javíthatja, de a használható szolgáltatáshoz továbbra is kell tudásbázis, folyamat, jogosultság és hibakezelés. A teljes rendszer megtervezéséhez lásd az AI telefonos asszisztens megoldást és a részletes magyar vállalkozói architektúra-útmutatót.