OpenAI baru saja merilis model percakapan baru bernama GPT-Live-1 dan GPT-Live-1 mini yang diklaim memiliki suara lebih natural dan kemampuan bicara yang lebih baik.
Model-model ini bersifat full-duplex yang artinya bisa berbicara dan mendengar secara bersamaan, memungkinkan pengguna menyela pembicaraan secara alami sekaligus mengaktifkan fitur lain seperti terjemahan langsung.
Bersama dengan peluncuran ini, OpenAI juga menggantikan Advanced Voice Mode yang ada di ChatGPT dengan GPT-Live-1 mini sebagai pengaturan bawaan.
Apa yang menarik?
Lebih dari 150 juta orang sudah berbicara dengan ChatGPT menggunakan fitur Voice dan Dictation. Dengan GPT-Live-1, OpenAI membawa percakapan AI ke tingkat selanjutnya, dari yang biasa bergantian bicara menjadi bisa berinteraksi layaknya percakapan manusia.
Dengan kemampuan ini, pengguna bisa menyela perbincangan, lalu model bisa mendengar sambil merespons percakapan, dan mempertahankan konteks percakapan panjang.
Untuk itu, pembaruan ini bukan sekadar peningkatan teknis, tapi mengubah paradigma cara manusia berinteraksi dengan AI. Sebab, prosesnya bisa dilakukan secara lebih alamiah.
Dua model baru
- GPT-Live-1 mini: Default untuk semua pengguna ChatGPT
- GPT-Live-1: Bisa digunakan pelanggan berbayar
Kemampuan baru yang ditawarkan GPT-Live-1
- Percakapan panjang hingga 40 menit: Product Lead ChatGPT Voice Atty Eleti mengungkap, ia telah melakukan percakapan 30 hingga 40 menit dengan fitur suara baru ini. Ini menunjukkan model tersebut dirancang untuk interaksi panjang berkelanjutan.
- Bisa diam dan serap konteks: GPT-Live-1 mampu tetap diam untuk waktu yang lama dan menyerap konteks percakapan hingga dipanggil, berbeda dari model lama yang cenderung mengisi keheningan.
- Respons visual: Dengan akses ke model GPT terbaru, voice mode baru bisa menyajikan sebagian informasi dalam format visual, bukan hanya suara.
- Terjemahan langsung: Kemampuan live translation memungkinkan percakapan lintas bahasa secara real-time.
Arsitektur baru
Sebelumnya, pada Advanced Voice Mode, OpenAI menjalankan proses tiga tahap untuk berinteraksi dengan pengguna. Dimulai dari speech-to-text, lalu memakai LLM untuk hasilkan respons teks, dan text-to-speech untuk menyampaikannya dalam bentuk suara.
Sementara di GPT-Live-1, OpenAI menggunakan model full-duplex yang terintegrasi, sehingga bisa berbicara dan mendengar bersamaan. Berbekal kemampuan mengirim query ke model teks terbaru seperti GPT-5.5 untuk pencarian, penalaran, atau kapabilitas agentic sambil tetap melanjutkan percakapan.
Bukan teman AI
OpenAI menekankan bahwa meskipun voice mode baru terdengar lebih natural, perusahaan tidak bertujuan menjadikannya sebagai teman AI. Untuk itu, ada beberapa fitur yang ditanamkan ke dalamnya:
- Safeguard dibangun ke dalam model.
- Respons disesuaikan untuk usia remaja.
- Menyediakan sumber daya jika percakapan beralih ke topik sensitif seperti self-harm.
Pax insight
GPT-Live-1 menawarkan peningkatan kemampuan yang signifikan dari OpenAI. Berkat kemampuan full-duplex, ChatGPT kini bisa berbicara dan mendengar secara bersamaan, sehingga bisa mengubah kualitas interaksi dengan AI.
Meski terdengar sederhana, dampak pada penggunanya sangat besar. Dengan kemampuan ini, interaksi terasa tidak tersendat-sendat, seperti AI tiba-tiba memotong percakapan atau tidak merespons ketika ada jeda sebentar.
Selain itu, arsitektur baru yang memungkinkan GPT-Live-1 mengakses GPT 5.5 untuk pencarian dan penalaran sambil tetap bercakap-cakap mengisi salah satu kelemahan terbesar voice AI sebelumnya yang kadang memberikan jawaban dangkal.
Kendati demikian, kemampuan ini tetap harus digunakan secara kritis. Bahkan, OpenAI terang-terangan menyebut dengan kemampuan yang makin bagus ini bukan berarti AI bisa jadi teman.
