In questo articolo Indice dei contenuti 2 sezioni
Con l’arrivo di GPT-Live-1 nelle API, OpenAI ha messo nelle mani degli sviluppatori lo stesso motore vocale che già alimenta la nuova modalità Voce di ChatGPT. L’annuncio, datato 10 settembre 2026, sposta il baricentro: da esperienza pensata per chi usa l’app a componente da incastrare dentro applicazioni, centralini telefonici e agenti vocali aziendali. Il modello è di tipo full duplex, il che in pratica significa che riesce ad ascoltare mentre parla, a gestire le interruzioni e a modulare tono, ritmo e stile seguendo le istruzioni di sistema. OpenAI dichiara un miglioramento del 30% nel Full Duplex Bench rispetto a GPT-Realtime-2.1.
C’è poi un aspetto che cambia parecchio le carte in tavola: il modello può delegare ad altri sistemi le attività più pesanti, come ricerche, ragionamenti complessi o l’uso di strumenti esterni, continuando nel frattempo a tenere viva la conversazione. Niente pause imbarazzate, niente silenzi mentre qualcosa gira in background.
Come GPT-Live-1 riscrive il funzionamento della voce
La differenza tecnica più sostanziosa sta proprio nell’architettura. Nei sistemi vocali classici il percorso è a staffetta: riconoscimento vocale, poi modello linguistico, poi sintesi della risposta. Ogni passaggio aggiunge un pezzetto di latenza e complica non poco la gestione delle interruzioni, perché il sistema deve finire un blocco prima di passare al successivo. GPT-Live-1 lavora diversamente, elaborando audio in ingresso e in uscita dentro lo stesso processo. Risultato: si può parlare sopra all’agente mentre sta ancora rispondendo, e l’agente se ne accorge.
Il modello riesce quindi a cogliere una correzione al volo, una nuova informazione buttata lì a metà frase oppure un’interruzione secca, senza dover aspettare la fine della risposta già avviata. OpenAI segnala anche una gestione più efficace del rumore ambientale e dei silenzi, due variabili che diventano decisive nelle telefonate e in tutte quelle conversazioni che non avvengono in una stanza perfettamente insonorizzata.
Resta comunque il supporto al rilevamento dei turni, per chi ha bisogno di costruire applicazioni con confini netti tra un intervento e l’altro. La componente vocale può restituire trascrizioni e testo della risposta, mentre attraverso le istruzioni si possono controllare lingua, lunghezza delle risposte, tono e velocità di eloquio. Il catalogo delle voci disponibili si allarga, con accenti, dialetti e lingue differenti. Per le sessioni lunghe, l’azienda parla di miglioramenti nella conservazione del contesto e nella continuità della conversazione, un punto dolente storico di questo tipo di sistemi.
L’agente parla mentre l’intelligenza artificiale lavora dietro le quinte
L’idea di fondo è semplice quanto efficace: separare la gestione del dialogo dalle operazioni che richiedono muscoli computazionali. Quando arriva una richiesta che implica una ricerca, un ragionamento articolato o l’esecuzione di uno strumento, GPT-Live-1 passa il compito a un sistema backend come GPT-6 Astra oppure a un modello di terze parti, senza interrompere il flusso della chiacchierata.
L’agente vocale continua così a interagire durante l’elaborazione, e una richiesta lenta non trasforma più la conversazione in una sequenza di attese silenziose con l’utente che si chiede se la linea sia caduta. È il tipo di dettaglio che sulla carta sembra marginale e che invece fa la differenza tra un assistente usabile e uno che viene abbandonato dopo due tentativi.
La documentazione delle API prevede inoltre l’impiego di GPT-Live-1 per le comunicazioni telefoniche tramite protocollo SIP, con scenari applicativi che vanno dall’assistenza clienti alla gestione delle prenotazioni. Un terreno dove la capacità di reggere interruzioni, rumore di fondo e cambi di argomento improvvisi conta molto più della qualità della sintesi vocale in sé.
