Jawaban singkat: tidak. GPT-Live, keluarga model suara dupleks penuh yang OpenAI umumkan pada 8 Juli 2026, adalah fitur ChatGPT saat peluncuran. Komitmen pasti OpenAI kepada pengembang adalah satu kalimat: “Kami juga berencana untuk segera menghadirkannya ke API, dan pengembang serta perusahaan dapat mendaftar untuk diberi tahu menggunakan formulir ini.”
Hanya itu. Tidak ada endpoint, tidak ada ID model, tidak ada harga, tidak ada jadwal selain “segera.”
Jika Anda membangun agen suara pada kuartal ini, menunggu adalah rencana yang salah, karena OpenAI sudah mengirimkan tumpukan suara kelas produksi: API Realtime, yang tersedia secara umum, dengan model yang diperbarui paling baru pada 6 Juli. Panduan ini membahas apa yang dapat Anda bangun hari ini, seberapa dekat Anda dapat mencapai kualitas interaksi GPT-Live dengan tumpukan saat ini, dan apa yang harus dipersiapkan saat API GPT-Live diluncurkan.
Apa yang pada akhirnya akan diberikan GPT-Live kepada Anda
Memahami apa yang akan datang memperjelas apa yang harus dibangun sekarang. Arsitektur GPT-Live memiliki dua bagian khas:
- Percakapan dupleks penuh. Model memproses audio yang masuk sambil menghasilkan output, memutuskan berkali-kali per detik apakah akan berbicara, mendengarkan, menjeda, menyela, atau memanggil alat. Backchannel (“mhmm,” “mengerti”) datang secara gratis.
- Delegasi latar belakang. “Ketika sebuah pertanyaan memerlukan pencarian, penalaran, atau kemampuan agen yang lebih canggih, GPT-Live dapat mendelegasikan tugas tersebut ke model lain seperti GPT-5.5,” kemudian menganyam jawaban kembali ke dalam percakapan langsung.
Keduanya belum diekspos ke pengembang. Keduanya memiliki perkiraan praktis di API saat ini.
Apa yang dapat Anda bangun hari ini: Realtime API
The Realtime API tersedia secara umum dan merupakan jawaban sebenarnya di balik sebagian besar pencarian “GPT Live API”. Kondisi saat ini:
| Kemampuan | Status saat ini |
|---|---|
| Model | gpt-realtime, gpt-realtime-1.5, gpt-realtime-2.1, gpt-realtime-2.1-mini |
| Transport | WebSocket dan WebRTC |
| Panggilan telepon | Dukungan SIP |
| Penggunaan alat | Panggilan fungsi + server MCP jarak jauh |
| Input | Audio, teks, gambar |
| Harga (gpt-realtime) | $4/juta token input, $16/juta output; tarif audio ditagih terpisah |
Speech-to-speech dalam satu model, latensi putaran di bawah satu detik, penanganan interupsi melalui deteksi aktivitas suara sisi server. Kami telah membahas keluarga model ini seiring perkembangannya: panduan gpt-realtime asli, panduan GPT-Realtime-2, dan pengaturan GPT-Realtime-2.1-mini, yang dikirim dua hari sebelum GPT-Live diumumkan.
Apa yang tidak dilakukan Realtime API adalah dupleks penuh yang sebenarnya. Ini adalah setengah-dupleks cepat: pemulihan interupsi yang sangat baik, tetapi model tidak berbicara saat mendengarkan, dan tidak akan memberikan backchannel saat Anda berbicara. Itulah celah yang pada akhirnya akan ditutup oleh API GPT-Live.
Mendekati perilaku GPT-Live dengan tumpukan saat ini
Tim yang menginginkan UX seperti GPT-Live sebelum API ada menggabungkan tiga pola:
- 1. Penyesuaian interupsi agresif. VAD server dengan ambang batas ketat memberi Anda pengambilan giliran percakapan yang terasa mendekati alami. Uji pengaturan terhadap pola bicara nyata, bukan skrip demo; kebisingan latar belakang dan jeda berpikir adalah tempat konfigurasi gagal.
- 2. Pola delegasi, yang dibuat secara manual. Trik delegasi latar belakang GPT-Live dapat direproduksi hari ini: jalankan
gpt-realtime-2.1untuk loop percakapan, dan ketika pengguna menanyakan sesuatu yang sulit, minta panggilan fungsi untuk mengirim pertanyaan ke model yang lebih kuat (GPT-5.5 melalui API standar) sementara model suara mengakui dan menunda dengan anggun. Ketika hasilnya kembali, suntikkan ke dalam sesi. Ini persis seperti yang diwujudkan OpenAI sebagai produk; Anda membangun infrastruktur sendiri. - 3. Orkestrasi audio pengisi. Tanpa backchannel asli, beberapa tim mengalirkan audio pengakuan singkat selama panggilan alat yang panjang. Ini adalah sebuah trik. Ini juga berfungsi.
Menguji tumpukan realtime
Agen suara lebih sering gagal di lapisan transport daripada di lapisan model, dan di sinilah workbench API yang tepat menjadi penting. Di Apidog, Anda dapat menggerakkan sesi WebSocket secara langsung: sambungkan ke endpoint Realtime, kirim konfigurasi sesi dan peristiwa audio, dan saksikan peristiwa server mengalir kembali secara berurutan. Ini membuat mode kegagalan terlihat: batas VAD menyala terlalu dini, peristiwa panggilan fungsi saling terkait dengan delta audio, sesi mati secara diam-diam karena konfigurasi yang salah.
Dua kebiasaan praktis: simpan kunci API Anda dalam variabel lingkungan Apidog daripada di setiap prototipe klien, dan tiru endpoint alat backend agen Anda sehingga Anda dapat menguji loop percakapan tanpa layanan nyata Anda daring. Unduh Apidog gratis; pengujian WebSocket disertakan.
Saat API GPT-Live tiba: apa yang harus dipersiapkan
Membaca pengumuman sebagai peta jalan API, ada tiga perubahan yang patut dirancang sekarang:
- Semantik sesi akan berubah. Dupleks penuh berarti peristiwa mengalir dua arah secara terus-menerus, bukan dalam ledakan permintaan-respons. Kode yang mengasumsikan “giliran pengguna, lalu giliran model” akan membutuhkan restrukturisasi; arsitektur berbasis peristiwa akan berpindah dengan bersih.
- Delegasi mungkin menjadi primitif kelas satu. Jika OpenAI mengekspos mekanisme serah terima latar belakang, infrastruktur delegasi yang dibuat secara manual menjadi konfigurasi. Jaga agar milik Anda tidak terikat erat (loosely coupled).
- Harapkan keluarga varian, bukan satu model. GPT-Live hadir di ChatGPT sebagai empat varian (Instant-backed dan Thinking-backed pada dua tingkat upaya). Rilis API yang dibentuk dengan cara yang sama berarti trade-off latensi/kedalaman dipilih per sesi.
Daftar untuk formulir notifikasi OpenAI jika waktunya penting bagi peta jalan Anda, dan perhatikan perbedaan penamaan dengan cermat seiring dengan bertambahnya liputan: GPT-Live dan GPT-Realtime adalah tumpukan yang berbeda, dan banyak artikel hari pertama menyatukan keduanya.
Keputusan, dengan jelas
| Situasi Anda | Lakukan ini |
|---|---|
| Mengirimkan agen suara dalam 3 bulan ke depan | Bangun di atas gpt-realtime-2.1 sekarang; tumpukannya GA dan stabil |
| Membuat prototipe untuk peluncuran akhir 2026 | Bangun di atas Realtime API, jaga delegasi tetap tidak terikat erat, daftar untuk notifikasi GPT-Live |
| Kebutuhan “berbicara dengan ChatGPT” yang berhadapan dengan konsumen | Anda tidak memerlukan API; GPT-Live sudah ada dalam produk |
| Memutuskan antara tumpukan OpenAI | Baca GPT-Live vs GPT-Realtime terlebih dahulu |
FAQ
Apakah ada API GPT-Live? Tidak. GPT-Live hanya mendukung ChatGPT Voice. OpenAI mengatakan berencana untuk membawa model tersebut ke API “segera,” dengan formulir pendaftaran untuk notifikasi.
Apa API terdekat dengan GPT-Live saat ini? Realtime API dengan gpt-realtime-2.1 atau 2.1-mini: speech-to-speech, WebSocket/WebRTC, panggilan SIP, dan dukungan alat MCP, tersedia secara umum.
Bisakah saya meniru delegasi GPT-Live dengan API saat ini? Secara substansial, ya: gunakan panggilan fungsi untuk mengirim pertanyaan sulit dari model realtime ke GPT-5.5, lalu suntikkan hasilnya kembali ke sesi. GPT-Live memproduksi pola ini.
Akankah GPT-Live menggantikan Realtime API? OpenAI belum mengatakannya. Mengingat struktur empat varian dan status GA dari Realtime API, koeksistensi adalah asumsi yang lebih aman untuk perencanaan.