OpenAI har flyttet stemme fra en p\u00e6n ChatGPT-funktion til et egentligt runtime-lag. GPT-Live, lanceret 8. juli 2026, er ikke bare en ny stemme i appen. Det er en ny m\u00e5de at binde tale, modelrouting og baggrundsarbejde sammen p\u00e5.<\/p>\n\n\n\n
Det praktiske sp\u00f8rgsm\u00e5l er ikke, om stemmen lyder mere menneskelig. Det sp\u00f8rgsm\u00e5l bliver hurtigt kedeligt. Det vigtige er, at en LLM nu kan lytte, tale, vente, afbryde og sende tungere opgaver videre til en anden model, mens samtalen forts\u00e6tter. For udviklere og IT-arkitekter betyder det, at voice agents ikke l\u00e6ngere kan behandles som en tynd brugerflade oven p\u00e5 et tekst-API. De bliver et kontrolplan med egne risici.<\/p>\n\n\n\n
OpenAI beskriver GPT-Live-1 og GPT-Live-1 mini som full-duplex-modeller. Det betyder, at modellen kan behandle lydinput og generere lydoutput l\u00f8bende i stedet for at vente p\u00e5, at brugeren holder op med at tale. Den kan reagere p\u00e5 pauser, afbrydelser og tempo. Den kan ogs\u00e5 v\u00e6lge at v\u00e6re stille, hvis brugeren t\u00e6nker.<\/p>\n\n\n\n
Det lyder som en UX-forbedring, og det er det ogs\u00e5. TechCrunch skriver, at OpenAI erstatter den nuv\u00e6rende Advanced Voice Mode i ChatGPT med GPT-Live-1 mini som standard, mens betalende brugere f\u00e5r adgang til den st\u00f8rre GPT-Live-1. OpenAI siger selv, at mere end 150 millioner mennesker hver uge bruger Voice eller Dictation i ChatGPT.<\/p>\n\n\n\n
Men full-duplex \u00e6ndrer ogs\u00e5 driften. Et klassisk chatbot-flow har klare h\u00e6ndelser: brugerinput, modelkald, svar, logning. En live-stemmeagent har et mere rodet forl\u00f8b. Der er delvise ytringer, afbrudte svar, baggrundskald, sikkerhedsafbrydelser og mulig overs\u00e6ttelse midt i samtalen. Hvis man bygger oven p\u00e5 den type model, skal observability designes til str\u00f8mme, ikke kun beskeder.<\/p>\n\n\n\n
Den mest interessante del af GPT-Live er delegationen. If\u00f8lge OpenAI h\u00e5ndterer GPT-Live den l\u00f8bende samtale, mens den kan sende opgaver, der kr\u00e6ver s\u00f8gning, r\u00e6sonnement eller mere agentisk arbejde, videre til en bagvedliggende frontiermodel. Ved lanceringen bruger GPT-Live GPT-5.5 i baggrunden, og OpenAI skriver, at det kan \u00e6ndres, n\u00e5r nyere modeller udkommer.<\/p>\n\n\n\n
Det passer direkte ind i den udvikling, jeg skrev om i artiklen om LLM-routing som kontrolplan<\/a>. Modelvalget er ikke l\u00e6ngere en engangsbeslutning i en konfigurationsfil. Det sker dynamisk, mens brugeren taler. Det kan give bedre svar, men det g\u00f8r ogs\u00e5 audit sv\u00e6rere.<\/p>\n\n\n\n Hvem svarede egentlig brugeren? GPT-Live-1? GPT-5.5 Instant? GPT-5.5 Thinking med h\u00f8jere r\u00e6sonnement? En s\u00f8gefunktion? En agent med adgang til v\u00e6rkt\u00f8jer? Hvis svaret senere skal forklares, genk\u00f8res eller fejlrettes, skal systemet kunne vise hele k\u00e6den. Ikke kun transskriptionen.<\/p>\n\n\n\n Det samme g\u00e6lder \u00f8konomi. Tale f\u00f8les billig, fordi interaktionen er naturlig. Under motorhjelmen kan et par minutters samtale udl\u00f8se s\u00f8gninger, tool calls, l\u00e6ngere kontekst og dyrere modeller. For organisationer, der allerede k\u00e6mper med AI-budgetter, bliver voice agents endnu en grund til at tage tokenbudget, rate limits og modelrouting alvorligt.<\/p>\n\n\n\n OpenAI har udgivet et system card for GPT-Live. Det beskriver sikkerhedslag, der kan analysere input og output undervejs i samtalen, styre eller afbryde svar, vise tekstbaserede hj\u00e6lperessourcer og i h\u00f8jere risiko-situationer afslutte samtalen. System cardet n\u00e6vner blandt andet selvskade, f\u00f8lelsesm\u00e6ssig afh\u00e6ngighed, manipulation, scams og b\u00f8rnekodet stemme som testomr\u00e5der.<\/p>\n\n\n\n Det er n\u00f8dvendigt, men det er ikke nok for virksomheder. En voice agent i produktion skal ogs\u00e5 have klassisk adgangskontrol. Hvilke handlinger m\u00e5 den udf\u00f8re? Hvorn\u00e5r kr\u00e6ves eksplicit bekr\u00e6ftelse? Hvad sker der, hvis brugeren bliver afbrudt midt i en ordre, en supportcase eller en godkendelse? Det er besl\u00e6gtet med problemet i prompt injection og LLM-agenters kontrolplan<\/a>, men stemmen g\u00f8r det mere akut, fordi tempoet er h\u00f8jere og friktionen lavere.<\/p>\n\n\n\n TechCrunch noterede ogs\u00e5 en mere jordn\u00e6r fejl i demoen: live-overs\u00e6ttelse til hindi l\u00f8d unaturlig og amerikansk pr\u00e6get. Den slags er ikke bare kosmetik. Hvis voice agents bruges i support, sundhed, myndighedsservice eller finans, kan accent, formulering og timing p\u00e5virke tillid og forst\u00e5else. Her er der brug for test p\u00e5 rigtige sprog og rigtige brugergrupper, ikke kun engelske demoer.<\/p>\n\n\n\n Hvis man bygger interne eller kundevendte voice agents, b\u00f8r GPT-Live ses som et varsel om, hvor markedet bev\u00e6ger sig. Ikke som en grund til at skifte alt i denne uge. Start med arkitekturen.<\/p>\n\n\n\n Log samtalen som en str\u00f8m med tidsstempler. Gem modeldelegationer, tool calls og sikkerhedsafbrydelser som separate h\u00e6ndelser. S\u00e6t h\u00e5rde gr\u00e6nser for, hvilke handlinger voice agenten m\u00e5 udf\u00f8re uden bekr\u00e6ftelse. Test sprog, st\u00f8j, afbrydelser og lange samtaler. Og lav et budgetlag, der kan stoppe eller nedgradere modellen, f\u00f8r en hyggelig stemmesamtale bliver en dyr baggrundsproces.<\/p>\n\n\n\n GPT-Live g\u00f8r stemmen mere brugbar. Det g\u00f8r ogs\u00e5 stemmen mere produktionskritisk. Den forskel er v\u00e6rd at tage alvorligt, f\u00f8r voice agents f\u00e5r adgang til rigtige systemer, rigtige kunder og rigtige penge.<\/p>\n\n\n\n Denne artikel er skrevet i samarbejde med AI, og efterf\u00f8lgende redigeret af et rigtigt menneske \ud83d\ude42<\/p>\n\n","protected":false},"excerpt":{"rendered":" GPT-Live g\u00f8r ChatGPT Voice til et live kontrolplan med modelrouting, sikkerhed og nye driftskrav for voice agents i produktion.<\/p>\n","protected":false},"author":1,"featured_media":1747,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[24,8,7],"tags":[16,31,35,179],"class_list":["post-1748","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agentic-engineering","category-ai","category-techology","tag-chatgpt","tag-language-models","tag-openai","tag-voice-ai"],"acf":[],"_links":{"self":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1748","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/comments?post=1748"}],"version-history":[{"count":1,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1748\/revisions"}],"predecessor-version":[{"id":1753,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1748\/revisions\/1753"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media\/1747"}],"wp:attachment":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media?parent=1748"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/categories?post=1748"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/tags?post=1748"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Sikkerhed er ikke kun indholdspolitik<\/h2>\n\n\n\n
Hvad b\u00f8r man g\u00f8re nu?<\/h2>\n\n\n\n
Kilder<\/h2>\n\n\n
\n