OpenAI lance l'API GPT-Live-1 : prise en charge des interactions vocales temps réel en duplex intégral

Le 11 septembre 2026, OpenAI a annoncé l'introduction officielle du modèle GPT-Live-1 dans l'API. Cette mise à jour permet aux développeurs de créer des applications et des flux de travail basés sur ce modèle, capables d'interactions vocales en temps réel. La caractéristique principale de GPT-Live-1 réside dans sa capacité de conversation en duplex intégral, lui permettant d'écouter simultanément les entrées utilisateur et de produire des réponses vocales, tout en gérant efficacement les interruptions, les pauses naturelles et les interférences dues au bruit de fond pendant la conversation. Cette fonctionnalité le rend particulièrement adapté aux agents intelligents pour les appels téléphoniques nécessitant une forte interactivité, tels que la réservation de restaurants ou le service client.

Sur le plan architectural, GPT-Live-1 intègre la compréhension et la production vocales au sein d'un même modèle, rompant avec la méthode traditionnelle multi-étapes consistant à « convertir la parole en texte – traiter via un grand modèle linguistique – reconvertir le texte en parole ». Cette intégration réduit significativement la latence du système et améliore la fluidité des interactions. Parallèlement, le modèle permet de déléguer les tâches complexes de raisonnement logique et d'appel d'outils au modèle textuel arrière-plan. Les développeurs peuvent ajuster flexiblement le ton, le débit et le style de dialogue du modèle via des invites système, et configurer le modèle arrière-plan, les outils et les frameworks d'agents pour répondre à des besoins spécifiques.

Les données d'évaluation montrent des améliorations significatives des performances de GPT-Live-1. Lors des tests Full Duplex Bench, ses performances dépassent celles du modèle précédent GPT-Realtime-2.1 de 30 points de pourcentage. Lorsqu'il est associé à GPT-6 Astra avec une intensité de raisonnement moyenne, il se classe premier dans les tests Tau3 sur les tâches d'agents vocaux de bout en bout. De plus, le modèle possède des capacités natives de transcription vocale et de génération de texte de réponse, ainsi que des caractéristiques techniques telles que la compréhension alphanumérique, le biais de mots-clés et la détection de tours de parole, renforçant davantage sa stabilité dans des environnements complexes.

Les premiers cas d'utilisation illustrent les avantages d'efficacité du modèle dans le développement pratique. La plateforme d'apprentissage des langues Speak a constaté une réduction de près de 80 % des interruptions erronées pendant les pauses de réflexion des apprenants après avoir utilisé GPT-Live-1, par rapport aux systèmes précédents basés sur les tours de parole. Tony Stoyanov, cofondateur et CTO d'une plateforme de services médicaux, a déclaré que l'équipe a réduit le volume de code de 80 %, supprimant environ 23 000 lignes de code, simplifiant ainsi considérablement les travaux de développement et de maintenance.

En ce qui concerne la stratégie tarifaire, le plan publié par OpenAI fixe le coût de la couche vocale frontale à 0,05 dollar par minute. Sur la base de 60 minutes par heure, le coût uniquement pour la couche vocale frontale est d'environ 3 dollars (soit environ 20,2 yuans). Il est important de noter que les frais liés au modèle arrière-plan et aux outils d'agent doivent être calculés séparément. Actuellement, GPT-Live-1 est déjà disponible dans l'API, permettant aux développeurs de l'intégrer immédiatement.

Outre la mise à niveau des capacités du modèle central, OpenAI a élargi les options de voix pour la communication vocale en temps réel. Parmi les nouvelles voix ajoutées figurent Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta et Cinder. L'entreprise indique qu'elle prévoit d'ajouter davantage de styles vocaux et de supports linguistiques dans les mois à venir, afin d'enrichir les choix d'applications pour les développeurs.