Spróbuj kiedyś przerwać asystenta głosowego w pół zdania. Zwykle musisz odczekać, aż skończy swoją kwestię, bo działa jak krótkofalówka: najpierw mówi jeden, potem drugi. GPT-Live, nowy model głosowy OpenAI zaprezentowany 8 lipca 2026 roku, zrywa z tym schematem. Słucha i mówi w tej samej chwili, więc możesz wejść mu w słowo, a on się zatrzyma, tak jak zrobiłby człowiek w normalnej rozmowie. To brzmi jak drobiazg, a jest największą zmianą w rozmowie z maszyną od dawna. Zanim jednak ogłosimy rewolucję, warto rozdzielić to, co faktycznie się zmieniło, od tego, co jest na razie hasłem z prezentacji.
Koniec rozmowy na zmianę
Dotychczasowe asystenty głosowe działały jak taśma produkcyjna złożona z trzech kroków: najpierw zamieniały twoją mowę na tekst, potem model układał odpowiedź, a na końcu inny mechanizm zamieniał ją z powrotem na głos. Każdy z tych etapów dokładał opóźnienie, stąd ta charakterystyczna chwila ciszy, zanim padła odpowiedź.
Nowy model zwija te trzy kroki w jeden. Pracuje od razu na dźwięku i wiele razy na sekundę decyduje, czy w danej chwili mówić, słuchać, czy sięgnąć po jakieś narzędzie. Dzięki temu potrafi rzeczy, które w rozmowie z człowiekiem są oczywiste, a dla maszyny były trudne: mruknąć potakująco, zawiesić głos, dać sobie przerwać w połowie zdania i płynnie podjąć wątek. To właśnie ta płynność, a nie sama treść odpowiedzi, robi tu największe wrażenie.
Warto od razu ostudzić jeden odruch. OpenAI nie wynalazło tej płynności, bo przerywalną rozmowę na żywo pokazał wcześniej między innymi głosowy tryb Google. Nowość polega na tym, że teraz to samo dostaje asystent OpenAI, i to od razu na dużą skalę.
Dwa modele i pomocnik w tle
OpenAI wypuściło GPT-Live w dwóch wariantach. Mocniejszy dostają płatne plany, a lżejszą, darmową odmianę o nazwie mini dostają wszyscy pozostali. To dość znaczący ruch, bo płynna rozmowa głosowa trafia także do kont bez subskrypcji.
Jest tu sprytny podział pracy. Sam model głosowy jest wyspecjalizowany w prowadzeniu rozmowy, ale gdy trzeba czegoś trudniejszego, na przykład przeszukania sieci albo dłuższego rozumowania, oddaje zadanie w tło mocniejszemu modelowi z rodziny GPT. Dla użytkownika wygląda to jak jedna płynna rozmowa, choć pod spodem pracują dwa modele. Do tego doszło dziewięć głosów oraz wbudowane tłumaczenie mowy na żywo. Zabrakło na razie obrazu, czyli pokazywania kamery czy ekranu, ale start i tak jest globalny, na telefony i w przeglądarce.
Pierwsza Misja AI · Kodożercy
AI zmienia rynek pracy. Zacznij rozumieć, o co chodzi
Kurs Pierwsza Misja AI to najkrótsza droga do tego, żeby naprawdę zrozumieć AI i pokazać to certyfikatem. Sci-fi fabuła i gamifikacja sprawiają, że nie nudzisz się ani minuty.
Dołącz do kursantów →
“Najnaturalniejszy w historii”? Z tym ostrożnie
OpenAI reklamuje GPT-Live jako najnaturalniej brzmiący głos, jaki dotąd powstał. Tu warto włączyć zdrowy sceptycyzm, bo to slogan z prezentacji, a nie wynik niezależnego testu. Rynek głosowego AI jest w 2026 roku gęsty i pełen mocnych graczy.
Niezależne, ślepe porównania z początku roku stawiały pod względem naturalności głosu na czele ElevenLabs, a tuż za nim rozwiązanie Google, podczas gdy wcześniejszy model OpenAI plasował się dalej. Do tego dochodzą wyspecjalizowane firmy głosowe, które robią jedną rzecz i robią ją znakomicie. Innymi słowy, nowy model może być świetny, ale zdanie “najlepszy na świecie” trzeba traktować jak deklarację producenta, a nie fakt. O tym, kto naprawdę brzmi najlepiej, zadecydują testy w rękach użytkowników, nie slajd.
Czego brakuje, zwłaszcza po polsku
Zanim ktokolwiek w polskiej firmie zaplanuje infolinię na GPT-Live, warto ostudzić emocje w kilku miejscach. Po pierwsze, nie ma jeszcze interfejsu dla programistów, więc na razie to funkcja w aplikacji, a nie klocek do wpięcia we własny produkt. Kto potrzebuje głosu w systemie na produkcji, korzysta wciąż z osobnej, starszej rodziny narzędzi.
Po drugie, i to najważniejsze u nas, OpenAI nie obiecuje wprost świetnej jakości po polsku. Mowa jest o wielu językach, ale pokazowe tłumaczenie na inny język miało wyraźnie obcy akcent, co każe podchodzić do polskiego z rezerwą, dopóki sami nie sprawdzimy. Mimo tych zastrzeżeń kierunek jest kuszący. Płynna, przerywalna rozmowa realnie skraca czas obsługi zgłoszeń, pomaga w nauce języków i otwiera technologię osobom, którym łatwiej mówić niż pisać. To samo dążenie do naturalnego asystenta widać zresztą w wyścigu o nową Siri między Apple a Google. Warto więc przetestować go na własnym, polskim przypadku, zamiast wierzyć w zapewnienia z pokazu.
Podsumowanie
GPT-Live to prawdziwa zmiana w tym, jak rozmawiamy z maszyną, bo kończy męczącą wymianę zdań na zmianę i pozwala mówić do asystenta tak, jak do człowieka. Sercem nowości jest jeden model pracujący od razu na dźwięku, który da się przerwać i który sam wie, kiedy mówić, a kiedy słuchać. Do najtrudniejszych zadań dokłada w tle mocniejszy model z rodziny GPT, a lżejsza wersja trafia nawet do darmowych kont. Dwie rzeczy warto zapamiętać na chłodno. Hasło o najnaturalniejszym głosie w historii to marketing, bo konkurencja pokroju ElevenLabs czy Google jest bardzo blisko. A jakości po polsku nikt jeszcze nie zagwarantował, więc zanim oprzemy na tym obsługę klienta, najlepiej odpalić własny test w naszym języku.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
