L’IA vocale di OpenAI non aspetta più il turno — $0,05 al minuto

Tutte le IA vocali oggi sul mercato ti dicono di aspettare prima di parlare. GPT-Live-1 di OpenAI no. Il modello, disponibile tramite l’API di OpenAI, ascolta e parla allo stesso tempo, gestendo interruzioni, pause e voci sovrapposte come farebbe una persona al telefono.

Il prezzo è di 0,05 dollari al minuto per il livello vocale: 1,50 dollari per una conversazione di 30 minuti, o 50 dollari per 1.000 minuti di conversazione. Gli sviluppatori pagano a parte un backend di ragionamento: il GPT-6 Astra di OpenAI o qualsiasi modello compatibile che gestisca chiamate a strumenti e logica di business. Il livello vocale gestisce la meccanica della conversazione; il livello di ragionamento decide cosa l’IA dice e fa davvero.

Cosa significa in pratica questa separazione: un bot di assistenza clienti può sentire «aspetta, in realtà voglio l’altra opzione» a metà frase e rispondere, invece di proseguire dritto con una risposta già preparata. Un tutor di lingue può accorgersi che uno studente inciampa su una parola senza aspettare che finisca. Un sistema di prenotazione può gestire il tipo di chiamata reale in cui le persone si ripetono, cambiano idea e parlano una sopra l’altra.

Sul Full Duplex Bench — il benchmark progettato appositamente per testare la gestione vocale bidirezionale simultanea — GPT-Live-1 ottiene un punteggio superiore di 30 punti percentuali rispetto al suo predecessore, GPT-Realtime-2.1. Quando è abbinato a GPT-6 Astra come backend di ragionamento, supera Tau3, il benchmark per il servizio clienti che testa query complesse e articolate in più passaggi, senza interruzioni della conversazione.

L’architettura a due livelli riflette una scelta progettuale deliberata. Voce e ragionamento vengono fatturati separatamente perché scalano in modo diverso: una startup che costruisce un’app di tutoraggio leggera paga meno su entrambi i livelli rispetto a un’azienda che gestisce migliaia di chiamate simultanee al servizio clienti su GPT-6 Astra. Il prezzo minimo è di 0,05 dollari al minuto per la voce, a prescindere da ciò che gira dietro.

Ciò che GPT-Live-1 non cambia è la qualità delle risposte. Il livello vocale gestisce quando e come l’IA parla, non ciò che sa. Una risposta sbagliata data al momento giusto è pur sempre una risposta sbagliata. Gli sviluppatori che creano applicazioni di assistenza clienti dovranno valutare entrambi i livelli separatamente, e il backend di ragionamento potrebbe aggiungere alla bolletta più del solo livello vocale. OpenAI, inoltre, non ha pubblicato dati su come l’architettura full-duplex si comporti in ambienti a bassa larghezza di banda o su linee telefoniche disturbate, dove è più difficile sostenere un input audio continuo.

GPT-Live-1 è ora disponibile nell’API di OpenAI. L’azienda non ha annunciato un prodotto rivolto ai consumatori basato sul modello, anche se ha indicato che le future versioni della modalità vocale di ChatGPT potrebbero attingere alla stessa architettura sottostante. La tariffa di 0,05 dollari al minuto si applica al lancio; OpenAI non ha pubblicato una tabella di marcia per eventuali cambi di prezzo né un elenco di modelli di ragionamento di terze parti approvati per l’uso con il livello vocale.

Tag: intelligenza artificiale, OpenAI, IA vocale, API, audio full-duplex, GPT-Live-1