GPT‑Live‑1 API açıldı: Sesli ajan konuşurken dinlemeyi sürdürüyor
OpenAI, GPT-Live-1 API erişimini 10 Eylül 2026’da geliştiricilere açtı. OpenAI’ın ürün duyurusu, GPT‑Live‑1’in aynı anda dinleyip konuşabildiğini ve daha derin akıl yürütme ya da araç işlemlerini eşleştirildiği arka uç modellere devredebildiğini belirtiyor.
API böylece klasik “önce dinle, sonra yanıtla” sırasının yerine giriş ve çıkış sesinin örtüşebildiği canlı bir oturum getiriyor. Aynı gün yayımlanan Twilio uygulama rehberi, GPT‑Live‑1 erişimli bir OpenAI projesinin telefon hattına bağlanabildiğini ve araç çalıştırmanın konuşma döngüsünün dışında tutulabildiğini gösteriyor.
Tam çift yönlü ses, konuşma sırasını kaldırıyor
Tam çift yönlü çalışma, modelin ses üretirken gelen sesi işlemeyi sürdürmesi anlamına geliyor. Sıralı mimaride uygulama kullanıcının sözünün bittiğine karar verir, yanıtı üretir ve seslendirir; kullanıcı bu sırada yeniden konuşursa kesintiyi algılamak ve oynatılan yanıtı durdurmak için ayrı bir kontrol zinciri gerekir.
GPT‑Live‑1 ise gelen ve çıkan sesi aynı konuşma bağlamında değerlendiriyor. Kullanıcının kısa bir onayı, düşünürken çıkardığı ses, eklediği yeni ayrıntı veya yanıtın ortasında değiştirdiği talep, zorunlu olarak bağımsız bir konuşma turuna dönüştürülmüyor. Model dinlemeyi sürdürebiliyor, susabiliyor, konuşmaya devam edebiliyor ya da yanıtın yönünü değiştirebiliyor.
Bu davranış, her kesintinin otomatik olarak kabul edildiği veya ajanın her seste hemen sustuğu anlamına gelmiyor. Değişen nokta, zamanlama kararının yalnızca ayrı bir konuşma sonu algılayıcısına bağlı olmaması. Geliştiricinin tasarladığı temel birim artık tamamlanmış kullanıcı-asistan mesajları değil; eşzamanlı sesin, kesintilerin ve bekleyen işlerin bulunduğu sürekli oturum.
Yeni oturum akışı beş durumu birlikte yönetiyor
GPT‑Live‑1 tabanlı bir uygulamanın akışı, sırayla çalışan adımlardan çok birbiri arasında geri dönüşler bulunan beş durumla açıklanabilir:
- Dinleme: Mikrofon veya telefon hattından gelen ses canlı oturuma aktarılır. Ajan sessizken de konuşurken de giriş alınabilir.
- Konuşma: Model sesli yanıt üretir; giriş kanalı açık kaldığı için kullanıcı aynı anda ayrıntı ekleyebilir.
- Kesme ve yön değiştirme: Yeni söz devam eden yanıtın bağlamında değerlendirilir. Model duraklayabilir, yanıtı bırakabilir veya içeriğini yeni talebe uyarlayabilir.
- Görev devri: Arama, veri tabanı sorgusu, iş kuralı ya da daha ayrıntılı akıl yürütme ayrı bir arka uç modele, ajan çatısına veya hizmete gönderilir.
- Sonucun dönüşü: Arka uçtan gelen sonuç, açık kalan görüşmenin bağlamına eklenir ve konuşma katmanı tarafından kullanıcıya aktarılır.
Bu durumlar her zaman tek yönde ilerlemez. Koşullu bir çağrı merkezi örneğinde kullanıcı sipariş durumu sorgulanırken teslimat adresini değiştirmek istediğini söyleyebilir. Konuşma katmanı yeni isteği alırken ilk sorgu çalışmayı sürdürebileceği için uygulama eski görevin iptal mi edileceğine, güncelleneceğine yoksa sonucunun geçersiz mi sayılacağına karar vermelidir.
Dolayısıyla kullanıcının ajanın sözünü kesmesi yalnızca sesli yanıtın akışını değiştirir; arka uç işlemini kendiliğinden durdurmaz. Kalıcı işlem durumu ile konuşma durumu aynı şey değildir ve ikisinin farklı yaşam döngüleri bulunur.
Konuşma katmanı ile arka uç ajanı ayrılıyor
GPT‑Live başlangıç dokümanı, mimariyi konuşmayı yöneten GPT‑Live katmanı ve devredilen işi tamamlayan arka uç olarak ikiye ayırıyor. GPT‑Live dinliyor, konuşuyor ve ne zaman yardım isteneceğine karar veriyor; ayrıntılı talimatlar, iş kuralları, araçlar, izinler ve kalıcı görev durumu arka uçta veya uygulamada tutuluyor.
Geliştirici oturum kurulurken iki devir yönteminden birini seçiyor. Responses delegation seçeneğinde GPT‑Live, konuşma bağlamıyla birlikte görevi yapılandırılmış bir Responses modeline gönderiyor. Client delegation seçeneğinde ise uygulama kendi modelini, ajan çatısını veya hizmetini çalıştırıyor ve hangi sonucun görüşmeye döneceğini kontrol ediyor. Devir yöntemini değiştirmek için yeni oturum başlatılması gerekiyor.
Bu ayrım, ses modelinin iş uygulamasındaki yetkileri devraldığı anlamına gelmiyor. Kullanıcı onayı, özel fonksiyonların çalıştırılması, erişim denetimi ve görev sonucunun hâlâ geçerli olup olmadığı uygulamanın sorumluluğunda. Doğal bir konuşma akışı, arka uç işleminin güncel bilgiyle ve doğru yetkiyle tamamlandığını tek başına garanti etmiyor.
İlk bağlantı yolu kullanım ortamına göre seçiliyor
Tarayıcı tabanlı bir uygulama WebRTC üzerinden mikrofonu, ses çıkışını ve olay kanalını bağlayabiliyor. Sunucu tarafındaki ses entegrasyonları için WebSocket, mevcut bir oturuma arka uçtan kontrol erişimi için yan bağlantı, telefon hatları içinse SIP ve desteklenen iletişim sağlayıcısı entegrasyonları bulunuyor.
Tarayıcı başlangıç akışında proje API anahtarı güvenilir sunucuda tutuluyor; sunucu oturumu oluştururken tarayıcı bağlantı teklifini yanıtla değiştiriyor. İstemci oturumun başladığını bildiren olaydan sonra ses ile kontrol olaylarını birlikte işliyor. Görüşme kapatıldığında oturumun da sonlandırılması, son kullanım verilerinin alınmasını ve bağlantı kaynaklarının bırakılmasını sağlıyor.
Çağrı merkezi ekipleri açısından asıl yeniden tasarım, yalnızca bağlantı protokolünü değiştirmek değil. Oturum yöneticisinin devam eden sesi, kullanıcı müdahalesini, devredilmiş görevi ve sonradan dönen sonucu ayrı durumlar olarak izlemesi gerekiyor. Özellikle kullanıcı talebini konuşmanın ortasında değiştirdiğinde, önceki işlemin iptal ve geçerlilik kuralları açıkça tanımlanmalı.
13 Eylül 2026 itibarıyla kesinleşen durum, GPT-Live-1 API erişiminin açık olduğu, tam çift yönlü sesin desteklendiği ve konuşma sürerken arka uçta görev yürütülebildiği. Türkçe gerçek çağrılardaki kesme doğruluğu, gürültülü telefon hatlarındaki tutarlılık ve çakışan görevlerin üretim uygulamalarında nasıl yönetileceği içinse sağlayıcı duyurusundan bağımsız saha ölçümleri henüz gerekiyor.
Ayrıca okuyun:
Bültenimize abone olun
En son Web3, yapay zekâ ve kripto haberleri doğrudan gelen kutunuza gelsin.