Video: KI-generierter Avatar und KI-Stimme von Alex Trupp · KI-Transparenz
OpenAI hat ChatGPT Voice direkt in die Desktop-App für Mac und Windows integriert und damit die Sprachsteuerung deutlich näher an den Arbeitsalltag gerückt. Hinter der Funktion steckt ein neues Sprachmodell namens GPT Live, das laut OpenAI gleichzeitig sprechen und zuhören kann – man kann es also unterbrechen wie einen echten Gesprächspartner, statt jede Anfrage bis zum Ende abwarten zu müssen.
Der eigentliche Unterschied zu bisherigen Sprachassistenten liegt in der Anbindung an Codex, OpenAIs System für KI-Agenten. Wer einen Satz spricht, kann damit mehrere Agenten gleichzeitig anstoßen, die im Hintergrund Code schreiben, Websites öffnen und Aufgaben abarbeiten – während man selbst weiterspricht.
Was hinter GPT Live steckt
GPT Live ist das Sprachmodell, das ChatGPT Voice in der Desktop-App antreibt. Der zentrale Unterschied zu älteren Sprachfunktionen: Es spricht und hört gleichzeitig zu, wodurch sich ein Gespräch unterbrechen lässt, anstatt strikt abwechselnd zu funktionieren. Dadurch wirkt die Interaktion näher an einem echten Gesprächspartner als an einem klassischen Sprachbefehl-System.
Stimme trifft Codex-Agenten
Der eigentliche Durchbruch laut OpenAI liegt in der Verbindung von Stimme und Codex, dem Agenten-System des Unternehmens. Ein gesprochener Satz reicht aus, damit mehrere Agenten parallel loslegen: Sie schreiben Code, öffnen Websites und arbeiten die gestellte Aufgabe ab. Während die Agenten arbeiten, kann man weitersprechen, und die Agenten melden sich anschließend mit dem Ergebnis zurück.
Fernsteuerung über das iPhone
Die Steuerung ist nicht an den eigenen Rechner gebunden. Über die ChatGPT App auf dem iPhone lässt sich der heimische Computer aus der Ferne ansprechen: Man spricht unterwegs, etwa im Zug, die Aufgabe aus, und die Codex-Agenten arbeiten währenddessen zu Hause am Rechner weiter.
Verfügbarkeit und Einordnung
Der Rollout erfolgt laut Transkript weltweit und ist ab dem Plus-Abo verfügbar. Die Tastatur wird dadurch nicht über Nacht überflüssig, aber wer lernt, Agenten per Stimme zu dirigieren, kann Aufgaben parallelisieren, die sonst Schritt für Schritt getippt werden müssten.
Häufige Fragen
GPT Live ist laut Transkript ein neues Sprachmodell hinter ChatGPT Voice, das gleichzeitig sprechen und zuhören kann. Dadurch lässt es sich wie ein echter Gesprächspartner unterbrechen, statt starr abzuwarten, bis eine Anfrage beendet ist.
Man spricht einen Satz in ChatGPT Voice, und mehrere Codex-Agenten übernehmen daraufhin die Aufgabe: Sie schreiben Code, öffnen Websites und arbeiten die genannten Schritte ab, während man weiterspricht. Anschließend melden sich die Agenten mit dem Ergebnis zurück.
Ja, laut Transkript funktioniert das über die ChatGPT App auf dem iPhone. Man spricht die Aufgabe unterwegs, etwa im Zug, und die Codex-Agenten arbeiten währenddessen am heimischen Rechner weiter.
KI-Agenten sinnvoll in Arbeitsabläufe einbinden
Sprachgesteuerte Agenten wie ChatGPT Voice mit Codex zeigen, wohin sich Automatisierung entwickelt – aber der Nutzen entsteht erst, wenn Agenten in bestehende Prozesse und Systeme eingebettet sind. Nordvind AI unterstützt Unternehmen dabei, KI-Agenten und Automatisierung gezielt und mit klarem Blick auf Sicherheit und Nutzen einzuführen. Sprich uns an, wenn du wissen willst, wo Agenten in deinem Betrieb wirklich Zeit sparen.
Kostenlose Erstberatung →