GPT-Live: tłumaczenie głosowe w czasie rzeczywistym od OpenAI (2026)

1. Co OpenAI wydało 8 lipca

OpenAI ogłosiło GPT-Live w środę 8 lipca 2026 we wpisie na blogu i transmisji na żywo (Introducing GPT-Live). Wydano dwa modele: GPT-Live-1, nowy domyślny model głosowy dla płatnych planów Go, Plus i Pro, oraz GPT-Live-1 mini, nowy domyślny dla kont darmowych (za MacRumors i The Decoder). Oba zastępują Advanced Voice Mode jako domyślny głos ChatGPT, a stary tryb pozostaje do wyboru w ustawieniach głosu.

Wdrożenie obejmuje iOS, Android i chatgpt.com w ciągu dni po premierze. Tryb głosowy aplikacji desktopowej nie jest objęty na starcie, a przestrzenie ChatGPT Business, Enterprise i Edu są na razie wyłączone (za 9to5Mac i WinBuzzer). Nie wprowadzono nowych cen; GPT-Live jest zawarty w istniejących planach. OpenAI podaje, że ponad 150 milionów osób rozmawia z ChatGPT przez funkcje takie jak Voice i Dictation (TechCrunch).

Cechą definiującą jest pełnodupleksowe audio: model przetwarza to, co słyszy, podczas gdy mówi, podejmując decyzje interakcyjne wiele razy na sekundę, więc można mu naturalnie przerywać, odpowiada potakiwaniami ("mhm", "jasne"), gdy mówisz, albo milczy, gdy myślisz (MarkTechPost). Wszystko, co wymaga wyszukiwania w sieci, głębszego rozumowania lub pracy agentowej, GPT-Live deleguje w tle do GPT-5.5 i kontynuuje rozmowę, gdy wynik wraca. Użytkownicy mogą wybrać trzy poziomy rozumowania (Instant, Medium, High); wyższe poziomy kierują do GPT-5.5 Thinking.

Opublikowane ewaluacje OpenAI skupiają się na zdolnościach, nie na szybkości: przy poziomie High GPT-Live-1 osiąga 84,2% na GPQA wobec 45,3% dla Advanced Voice Mode oraz 75,2% na BrowseComp wobec 0,7%. W testach preferencji ludzkich GPT-Live-1 był preferowany nad Advanced Voice Mode w 75,7% rozmów, a mini w 69,2% (The Decoder, cytując ogłoszenie OpenAI). Co znamienne, OpenAI nie opublikowało na premierę żadnych liczb dotyczących opóźnień GPT-Live.

2. Jak działa tłumaczenie na żywo w GPT-Live

Tłumaczenie na żywo to jedna z funkcji, które OpenAI wprost wymienia w materiałach premierowych: architektura pełnego dupleksu pozwala modelowi "prowadzić bardziej naturalną wymianę, lepiej wyczuwać czas, a nawet wykonywać tłumaczenie na żywo" (ogłoszenie OpenAI). Na briefingach prasowych OpenAI demonstrowało model wypowiadający bieżące tłumaczenie, gdy prezenter mówił.

To polecenie, nie tryb

Nie ma przełącznika tłumacza, wyboru pary językowej ani dedykowanego interfejsu tłumaczenia. Rozpoczynasz sesję głosową i instruujesz asystenta: "Chcę, żebyś tłumaczył symultanicznie wszystko, co mówię, na hindi". Model wypowiada wtedy mówione tłumaczenie w trakcie Twojej wypowiedzi i kontynuuje, aż każesz mu przestać lub zmienić kierunek. To ten sam wzorzec wywoływany poleceniem, który ChatGPT Voice ma od majowego wydania Realtime 2026; zmieniło się pełnodupleksowe dostarczanie, dzięki któremu tłumaczenie nakłada się na Twoją mowę, zamiast czekać na koniec tury.

Co pokazało demo premierowe

Jedyny publiczny punkt odniesienia jakości tłumaczenia z tygodnia premiery pochodzi z własnego pokazu prasowego OpenAI. TechCrunch, obserwując tłumaczenie na żywo z angielskiego na hindi, doniósł, że "asystent miał silny amerykański akcent i mówił w hindi brzmiącym nienaturalnie, z lekko książkowym tonem" (TechCrunch). To zgadza się z własnym zastrzeżeniem OpenAI: głos jest zoptymalizowany dla "większości używanych języków", a "w niektórych językach model może mieć nienatywny akcent lub braki w płynności". OpenAI nie opublikowało listy obsługiwanych języków dla GPT-Live, a pełna wielojęzyczna równość jest wprost wskazana jako niedostępna na starcie (MarkTechPost).

Kompromis: najpierw asystent

GPT-Live to ogólny asystent konwersacyjny, który tłumaczy na żądanie, a nie dedykowany tłumacz. Taki kształt ma konsekwencje dla pracy tłumaczeniowej. Potakiwania, które sprawiają, że rozmowa brzmi naturalnie ("mhm", "tak"), wstrzykują do sesji tłumaczeniowej audio niebędące tłumaczeniem, a użytkownicy z pierwszego dnia powszechnie zgłaszali je jako natrętne (BigGo). Długie pauzy lub mowa w tle mogą wywoływać niezamierzone odpowiedzi, a recenzenci z dostępem przedpremierowym opisywali, że model przerywał i śmiał się w połowie zdania, zanim OpenAI stonowało to zachowanie (Simon Willison). Model, którego kluczową umiejętnością jest decydowanie, kiedy mówić, podejmuje tę decyzję nieustannie podczas tłumaczenia, gdzie poprawna odpowiedź brzmi niemal zawsze: "tłumacz dalej, nie mów nic innego".

3. GPT-Live kontra dedykowany tłumacz OpenAI

Relacje z premiery w dużej mierze przeoczyły, że OpenAI już dostarcza dedykowany model tłumaczenia na żywo, i to jest inny stos. 7 maja 2026 OpenAI wydało gpt-realtime-translate w Realtime API: dedykowany strumieniowy model tłumaczenia mowy na mowę, trenowany na tysiącach godzin nagrań profesjonalnych tłumaczy ustnych, skonfigurowany, aby pozostać wyłącznie w roli tłumacza i czekać na wystarczający kontekst przed wygenerowaniem mowy (ogłoszenie OpenAI). GPT-Live i modele Realtime to osobne rodziny: GPT-Live to konsumencka powierzchnia ChatGPT bez API, a gpt-realtime-translate to powierzchnia deweloperska z opublikowaną specyfikacją, cenami i ograniczeniami.

13 udokumentowanych języków wyjściowych gpt-realtime-translate: angielski, hiszpański, portugalski, francuski, niemiecki, włoski, rosyjski, chiński, japoński, koreański, hindi, indonezyjski i wietnamski (OpenAI Cookbook). Dopóki OpenAI nie opublikuje listy języków GPT-Live, to najlepszy dostępny sygnał, gdzie trening tłumaczenia mowy OpenAI jest najsilniejszy.

Warto wprost sprostować dwie rzeczy z tygodnia premiery, bo wczesne relacje pomieszały obie: GPT-Live nie ma cennika API (krążące w niektórych wpisach kwoty "$32 za milion tokenów audio wejścia, $64 wyjścia" dotyczą gpt-realtime-2, innego modelu), a GPT-Live w ogóle nie jest dostępny przez API; OpenAI pisze, że modele trafią do API "wkrótce", z formularzem zapisu na powiadomienie i bez harmonogramu (przegląd statusu API od Apidog).

4. Ograniczenia ujawniane przez OpenAI i recenzentów premiery

• Limity użycia są realne, ale nieopublikowane. Centrum pomocy OpenAI podaje, że limity użycia głosu zależą od planu i opcji Voice oraz mogą się zmieniać, z powiadomieniem w aplikacji przy zbliżaniu się do limitu. Zewnętrzne doniesienia o konkretnych liczbach są sprzeczne (od 15 minut dziennie do 2 godzin dziennie dla kont darmowych); każdą konkretną wartość traktuj jako niezweryfikowaną.
• Brak opublikowanych liczb opóźnień. OpenAI wydało benchmarki zdolności (GPQA, BrowseComp, wskaźniki preferencji), ale żadnych pomiarów opóźnienia pierwszego audio ani zaległości dla GPT-Live.
• Pokrycie językowe jest nieudokumentowane. "Większość używanych języków", ujawnione nienatywne akcenty i braki w płynności dla pozostałych, pełna wielojęzyczna równość wprost nie na starcie.
• Potakiwań nie da się w pełni wyłączyć. Można poinstruować model, aby milczał, ale relacje z pierwszego dnia opisują zachowanie "mhm" jako uporczywe i dla wielu użytkowników irytujące.
• Brak wideo i udostępniania ekranu na starcie, a tryb jest zgłaszany jako niedostępny w niektórych kontekstach (przestrzenie Business/Enterprise/Edu; głos w aplikacji desktopowej).
• Monitoring bezpieczeństwa może się wtrącić. Według karty systemowej GPT-Live monitoring w czasie rzeczywistym może pokierować odpowiedzią lub ją przerwać, odtworzyć mówiony komunikat bezpieczeństwa albo zakończyć rozmowy wysokiego ryzyka.

5. Co pokazują niezależne pomiary tłumaczenia OpenAI

Trzy wnioski z tego pomiaru wyznaczają, czego oczekiwać po tłumaczeniu GPT-Live, bo oba produkty czerpią z tego samego kierunku badań OpenAI nad tłumaczeniem mowy:

Stos OpenAI jest najszybszy do pierwszego audio. Mediana 711 ms od początku mowy do pierwszego przetłumaczonego audio, mniej więcej cztery razy szybciej niż Gemini 3.5 Live Translate w tej samej metryce. Pełnodupleksowy GPT-Live powinien odziedziczyć tę responsywność; to mocna strona tej architektury.

Ciągła mowa kumuluje zaległość. Przetłumaczona mowa jest ograniczona tempem mówienia syntezowanego głosu, więc na gęstym, ciągłym audio tłumaczenie stopniowo zostawało w tyle, mediana 3,8 s z dryfem do 20,3 s. Pełny dupleks nie usuwa tego ograniczenia: mówione wyjście nadal nie może nadganiać szybciej niż ludzkie tempo.

Zrozumienie ustępuje dedykowanym rywalom. Kompozyt 4,53/5, najniższy z sześciu zmierzonych systemów, z powtarzającymi się klasami błędów: zbędne wtrącenia, inwersje znaczenia i podmiany nazw własnych. Krytyka pokazu prasowego GPT-Live w hindi (amerykański akcent, książkowy ton) jest spójna ze stosem, w którym szybkość prowadzi, a wierność zostaje z tyłu.

6. Jak używać GPT-Live do tłumaczenia już dziś

1. Zaktualizuj aplikację ChatGPT na iOS lub Android (albo użyj chatgpt.com). GPT-Live jest wdrażany przez kilka dni po 8 lipca; jeśli Twój tryb głosowy nadal zachowuje się turowo, wdrożenie nie dotarło jeszcze do Twojego konta.
2. Dotknij ikony głosu w polu wiadomości, aby rozpocząć sesję. Konta darmowe działają na GPT-Live-1 mini; konta Go, Plus i Pro na GPT-Live-1.
3. Podaj instrukcję tłumaczenia na początku: "Tłumacz symultanicznie wszystko, co mówię, na japoński. Nie odpowiadaj na pytania, nie komentuj, tylko tłumacz". Wyraźne ograniczenie zmniejsza, ale nie eliminuje, konwersacyjnych wtrąceń.
4. Dla rozmowy dwukierunkowej poproś o oba kierunki: "Tłumacz mój angielski na japoński, a każdy usłyszany japoński na angielski".
5. Spodziewaj się limitów użycia: OpenAI ogranicza głos zależnie od planu bez publikowania liczb, a powiadomienie w aplikacji pojawia się przy zbliżaniu się do limitu.

7. Kiedy GPT-Live pasuje, a kiedy nie

GPT-Live to właściwy wybór, gdy

• Chcesz darmowego tłumaczenia na żywo bez instalacji i już używasz ChatGPT. Darmowy plan obejmuje teraz pełnodupleksowy model głosowy, czego przed 8 lipca nie oferował żaden inny duży asystent.
• Rozmowa jest swobodna i krótka: pytanie o drogę, szybka wymiana, podróżna pogawędka. Kaprysy potakiwań i dryf roli mają wtedy mniejsze znaczenie.
• Cenisz asystenta wokół tłumaczenia: możesz dopytać, uzyskać kontekst albo poprosić GPT-5.5 o sprawdzenie czegoś w trakcie rozmowy.

Inne narzędzie pasuje lepiej, gdy

• Potrzebujesz, aby tłumacz trzymał się roli przez dłuższą rozmowę. Dedykowana powierzchnia tłumacza nie potakuje, nie śmieje się i nie odpowiada zamiast tłumaczyć.
• Potrzebujesz czytelnego dwujęzycznego transkryptu podczas słuchania. GPT-Live daje zapis czatu, a nie widok źródła i tłumaczenia obok siebie, który nigdy się nie przepisuje.
• Potrzebujesz udokumentowanego pokrycia językowego. OpenAI nie opublikowało, co GPT-Live obsługuje; produkty dedykowane dokumentują swoje pary.
• Potrzebujesz tłumaczonych rozmów telefonicznych. Żadna z powierzchni OpenAI nie dzwoni na numer telefonu. LiveLingo wykonuje połączenia wychodzące na zwykłe numery z tłumaczeniem działającym na linii, a odbiorca nie potrzebuje aplikacji.

Uczciwe przyznanie. LiveLingo (wydawca tego przewodnika) należy do kategorii dedykowanych tłumaczy: strumieniowy tekst plus audio, atrybucja per mówca, wyświetlane transkrypty, które nigdy się nie cofają, oraz tłumaczone wychodzące rozmowy telefoniczne. Konwersacyjna naturalność GPT-Live to realny postęp, jego pełnodupleksowa wymiana tur wyprzedza każdą dedykowaną aplikację tłumacza, łącznie z naszą, a darmowy plan czyni go dziś najłatwiejszym sposobem, aby ktokolwiek wypróbował tłumaczenie głosowe na żywo. Specyfikacje obok siebie: /compare/chatgpt-translation. Liczby benchmarku: /research/benchmark-2026. Pełna oferta tłumaczeniowa OpenAI: /pl/guides/openai-live-translation.

8. Często zadawane pytania

Czym jest GPT-Live?

GPT-Live to rodzina pełnodupleksowych modeli głosowych OpenAI dla ChatGPT, zaprezentowana 8 lipca 2026. Wydano dwa modele: GPT-Live-1 (domyślny dla płatnych planów Go, Plus i Pro) oraz GPT-Live-1 mini (domyślny dla użytkowników darmowych). W przeciwieństwie do zastępowanego Advanced Voice Mode, GPT-Live słucha i mówi jednocześnie, więc można mu naturalnie przerywać, wtrąca potakiwania, gdy mówisz, i wykonuje tłumaczenie na żywo, gdy jeszcze mówisz. Złożone zapytania deleguje w tle do GPT-5.5. Działa na iOS, Android i chatgpt.com; na starcie nie ma API.

Czy GPT-Live tłumaczy w czasie rzeczywistym?

Tak. Tłumaczenie na żywo to wprost wymieniona funkcja premierowa, wywoływana poleceniem, a nie przełącznikiem trybu: każ asystentowi "tłumaczyć symultanicznie wszystko, co powiem, na japoński", a on wypowiada bieżące tłumaczenie, gdy mówisz. OpenAI podaje, że głos jest zoptymalizowany dla "większości używanych języków", nie publikując listy, i ujawnia, że w niektórych językach mogą wystąpić nienatywny akcent lub braki w płynności. Podczas własnego pokazu prasowego OpenAI serwis TechCrunch zaobserwował, że tłumaczenie na hindi na żywo miało silny amerykański akcent i nienaturalny, lekko książkowy ton.

Czy GPT-Live jest darmowy?

Tak, z podziałem na plany. GPT-Live-1 mini jest domyślnym modelem głosowym dla darmowych kont ChatGPT; płatne plany Go, Plus i Pro dostają większy GPT-Live-1. Nie wprowadzono nowej subskrypcji. Limity użycia głosu zależą od planu i mogą się zmieniać; OpenAI nie publikuje sztywnych limitów minutowych, a zewnętrzne doniesienia o konkretnych limitach dziennych są ze sobą sprzeczne.

Czy GPT-Live ma API?

Nie. Na starcie GPT-Live jest tylko w ChatGPT. OpenAI planuje udostępnić modele w API "wkrótce" i oferuje formularz zapisu na powiadomienie, bez opublikowanych endpointów, identyfikatorów modeli, cen ani harmonogramu. Deweloperzy, którzy potrzebują tłumaczenia na żywo od OpenAI już dziś, używają osobnego modelu Realtime API gpt-realtime-translate: $0.034 za minutę, 70+ języków wejściowych, 13 wyjściowych.

Czym GPT-Live różni się od Advanced Voice Mode?

Advanced Voice Mode był mowa-do-mowy, ale turowy: czekał na ciszę, aby uznać, że skończyłeś, i dopiero wtedy odpowiadał. GPT-Live to jeden pełnodupleksowy model, który przetwarza przychodzące audio podczas generowania wyjścia, podejmując decyzje interakcyjne wiele razy na sekundę. Można mu przerwać w połowie zdania, wtrąca potakiwania, gdy mówisz, milczy, gdy myślisz, a złożone pytania przekazuje w tle do GPT-5.5. W testach preferencji ludzkich OpenAI GPT-Live-1 był preferowany nad Advanced Voice Mode w 75,7% rozmów. Advanced Voice Mode pozostaje do wyboru w ustawieniach.

Jakie języki obsługuje GPT-Live w tłumaczeniu?

OpenAI nie opublikowało listy języków dla GPT-Live. Materiały premierowe mówią, że głos jest zoptymalizowany dla "większości używanych języków", i ujawniają braki akcentu i płynności dla pozostałych; pełna wielojęzyczna równość jest wprost niedostępna na starcie. Deweloperski model tłumaczeniowy OpenAI, gpt-realtime-translate, dokumentuje 70+ języków wejściowych i 13 wyjściowych: angielski, hiszpański, portugalski, francuski, niemiecki, włoski, rosyjski, chiński, japoński, koreański, hindi, indonezyjski i wietnamski.

Jak GPT-Live wypada na tle Gemini Live w tłumaczeniu?

To różne zakłady architektoniczne. GPT-Live to pełnodupleksowy asystent konwersacyjny, który tłumaczy na żądanie. Gemini 3.5 Live Translate od Google to dedykowany strumieniowy model tłumaczenia mowy na mowę w aplikacji Google Translate, Google Meet i Gemini Live API, automatycznie wykrywający 70+ języków i zachowujący prozodię mówcy. Powierzchnię Gemini można mierzyć przez publiczne API, gdzie LiveLingo Research odnotowało kompozyt zrozumienia 4,93/5 i około 3-sekundowe opóźnienie mówienia. GPT-Live nie ma API, więc równoważny niezależny pomiar jeszcze nie istnieje; krytyka premierowego demo w hindi to jedyny publiczny punkt odniesienia jakości.

Jak wrócić do Advanced Voice Mode z GPT-Live?

Otwórz ustawienia głosu w ChatGPT i wybierz Advanced Voice Mode. GPT-Live zastąpił go jako tryb domyślny 8 lipca 2026, ale OpenAI pozostawiło stary tryb do wyboru dla użytkowników, którzy potrzebują funkcji nieobsługiwanych przez GPT-Live na starcie, takich jak wideo i udostępnianie ekranu.

Jak powstrzymać GPT-Live przed przerywaniem lub mówieniem "mhm"?

Na starcie nie da się całkowicie wyłączyć potakiwań. Obejściem jest wyraźna instrukcja na początku sesji, na przykład "milcz, dopóki nie zwrócę się do ciebie bezpośrednio" albo, przy tłumaczeniu, "tłumacz tylko to, co mówię, nic nie dodawaj". Relacje z pierwszego dnia wskazują, że to ogranicza, ale nie eliminuje wtrąceń, a długie pauzy lub mowa w tle wciąż mogą wywołać niezamierzone odpowiedzi. Jeśli to zachowanie blokuje twój scenariusz, Advanced Voice Mode pozostaje do wyboru w ustawieniach głosu.

Którego narzędzia użyć do tłumaczenia rozmów na żywo już teraz?

GPT-Live pasuje do swobodnego, bezdotykowego tłumaczenia wewnątrz asystenta, którego już używasz, w darmowym planie. Dedykowane tłumacze lepiej pasują do dłuższych, prawdziwych rozmów: utrzymują rolę wyłącznie tłumaczeniową, pokazują czytelny dwujęzyczny transkrypt i są mierzone pod kątem wierności. W benchmarku LiveLingo 2026 mierzalna powierzchnia tłumaczeniowa OpenAI (gpt-realtime-translate) uzyskała 4,53/5 zrozumienia, a przetłumaczone audio na ciągłej mowie odstawało do 20,3 sekundy, podczas gdy systemy transkryptowe utrzymywały wyższą wierność przy ograniczonym opóźnieniu. Do tłumaczonych połączeń na zwykłe numery telefonów żadna z powierzchni OpenAI nie dzwoni; to inna kategoria produktu.

9. Źródła

• OpenAI. Introducing GPT-Live. Blog OpenAI, 8 lipca 2026. openai.com
• OpenAI. GPT-Live system card. OpenAI Deployment Safety, lipiec 2026. deploymentsafety.openai.com
• OpenAI. ChatGPT Voice (centrum pomocy). help.openai.com
• TechCrunch. OpenAI releases new voice models for more natural live conversations, 8 lipca 2026. techcrunch.com
• MarkTechPost. OpenAI Releases GPT-Live and GPT-Live-1 mini: Full-Duplex Voice Models That Delegate Deeper Reasoning to GPT-5.5, 8 lipca 2026. marktechpost.com
• MacRumors. OpenAI Introduces GPT-Live to Make ChatGPT Voice Feel Like a Real Conversation, 8 lipca 2026. macrumors.com
• The Decoder. ChatGPT can now listen and talk at the same time, lipiec 2026. the-decoder.com
• SiliconANGLE. OpenAI launches GPT-Live voice model series ahead of broad GPT-5.6 release, 8 lipca 2026. siliconangle.com
• 9to5Mac. OpenAI upgrading ChatGPT with all-new voice mode experience, 8 lipca 2026. 9to5mac.com
• Simon Willison. Introducing GPT-Live (notatki z dostępu przedpremierowego), 8 lipca 2026. simonwillison.net
• OpenAI Developers. gpt-realtime-translate model reference oraz realtime translation guide. developers.openai.com
• Apidog. Is There a GPT-Live API? What Developers Can Use Instead, lipiec 2026. apidog.com
• LiveLingo Research. Real-Time Voice Translation Benchmark 2026, OpenAI gpt-realtime-translate addendum, 10 czerwca 2026. livelingo.io/research/benchmark-2026. Dataset DOI: 10.5281/zenodo.21250032
• LiveLingo. ChatGPT Translation in 2026: Voice Mode, gpt-realtime-translate API, and Whisper Compared. livelingo.io/guides/openai-live-translation

Data wydania, nazwy modeli, przypisanie planów, zakres wdrożenia i wyniki ewaluacji zweryfikowano 9 lipca 2026 względem ogłoszenia OpenAI, karty systemowej, centrum pomocy i podlinkowanych wyżej relacji z premiery. W dniu publikacji GPT-Live ma jeden dzień: OpenAI może szybko zmienić plany, limity, pokrycie językowe i zachowanie modelu; przed poleganiem na konkretnym twierdzeniu sprawdź aktualny stan w podlinkowanych źródłach.