GPT-Live vs GPT-Realtime: Qual Stack de Voz da OpenAI Você Precisa?

A OpenAI agora tem duas tecnologias de voz com nomes muito parecidos, e o anúncio do GPT-Live em 8 de julho tornou a confusão comum. Pesquise por “GPT Live API” e você provavelmente cairá na documentação do GPT-Realtime; leia a cobertura de lançamento e verá os dois termos usados como se fossem intercambiáveis. Eles não são a mesma coisa.

Experimente o Apidog hoje

A regra prática é simples: GPT-Live é a experiência de voz para consumidores dentro do ChatGPT. GPT-Realtime é a família de APIs para desenvolvedores criarem suas próprias aplicações de voz.

GPT-Live vs GPT-Realtime: comparação rápida

	GPT-Live	GPT-Realtime
O que é	Família de modelos de voz que alimentam o ChatGPT Voice	Modelos de fala para fala na API Realtime
Para quem é	Usuários do ChatGPT	Desenvolvedores que criam produtos de voz
Onde executa	Aplicativos ChatGPT: iOS, Android, web e CarPlay	Sua aplicação, via API
Acesso à API	Nenhum ainda; “em breve”, segundo a OpenAI	Disponível publicamente
Modelos atuais	GPT-Live-1, 1 mini, 1 Medium, 1 High	`gpt-realtime`, `gpt-realtime-1.5`, `gpt-realtime-2.1`, `2.1-mini`
Arquitetura	Full-duplex + delegação em segundo plano para GPT-5.5	Modelo único de fala para fala, baseado em turnos rápidos
Estilo de conversa	Ouve enquanto fala, com backchannels	Turnos de baixa latência com tratamento de interrupções
Extras	Pesquisa web, tradução, cartões visuais, memória	Chamada de função, servidores MCP, chamadas SIP, entrada de imagem
Preço	Não publicado; incluído nos níveis do ChatGPT	Publicado: por exemplo, `gpt-realtime` a US$ 4/M entrada e US$ 16/M saída

Quando usar GPT-Live

Use GPT-Live quando o objetivo for conversar com a IA dentro do ChatGPT, sem construir uma aplicação própria.

Na prática:

Abra o ChatGPT em iOS, Android, web ou CarPlay.
Use o modo de voz.
O ChatGPT decide quando ouvir, responder, pausar ou interromper.
Quando necessário, o GPT-Live pode delegar tarefas mais profundas a outro modelo, como o GPT-5.5, e integrar o resultado à conversa.

Você não integra o GPT-Live via código hoje. Você o usa no app ChatGPT.

Os níveis pagos usam o GPT-Live-1 por padrão; o nível Gratuito recebe o GPT-Live-1 mini. O guia de configuração cobre variantes e plataformas.

Quando usar GPT-Realtime

Use GPT-Realtime quando você quiser que seu aplicativo, agente, produto de atendimento ou linha telefônica converse com usuários por voz.

GPT-Realtime é a família de modelos por trás da API Realtime da OpenAI. Você se conecta via WebSocket ou WebRTC, com suporte a SIP para chamadas telefônicas e servidores MCP remotos para uso de ferramentas.

Essa é a opção disponível hoje para desenvolvimento.

Guias úteis:

Se você está desenvolvendo com ele, o Apidog pode gerenciar sessões WebSocket diretamente, o que ajuda a transformar depuração em tempo real em fluxos de eventos inspecionáveis. Você também pode baixar gratuitamente e testar uma sessão com gpt-realtime-2.1.

Implementação prática com GPT-Realtime

Para um produto de voz, pense em três partes:

Cliente de áudio

Captura microfone, envia áudio e reproduz a resposta.
Sessão Realtime

Mantém a conexão WebSocket ou WebRTC com o modelo.
Camada de ferramentas

Executa funções, integra MCP, consulta sistemas internos ou encaminha chamadas SIP.

Um fluxo mínimo fica assim:

flowchart LR
    U[Usuário] --> A[Cliente de áudio]
    A --> R[API Realtime]
    R --> A
    R --> T[Ferramentas / MCP / funções]
    T --> R

Exemplo conceitual de conexão via WebSocket:

const model = "gpt-realtime-2.1";

const ws = new WebSocket(
  `wss://api.openai.com/v1/realtime?model=${model}`,
  {
    headers: {
      Authorization: `Bearer ${process.env.OPENAI_API_KEY}`,
      "OpenAI-Beta": "realtime=v1"
    }
  }
);

ws.onopen = () => {
  console.log("Sessão Realtime conectada");

  ws.send(JSON.stringify({
    type: "session.update",
    session: {
      modalities: ["audio", "text"],
      instructions: "Você é um assistente de voz técnico e objetivo."
    }
  }));
};

ws.onmessage = (event) => {
  const message = JSON.parse(event.data);

  switch (message.type) {
    case "response.audio.delta":
      // Envie o chunk de áudio para o player
      break;

    case "response.text.delta":
      // Opcional: renderize transcrição parcial na UI
      break;

    case "response.done":
      console.log("Resposta concluída");
      break;

    default:
      console.log("Evento:", message.type);
  }
};

O ponto importante: com GPT-Realtime, sua aplicação controla a sessão. Isso permite implementar:

interrupções;
roteamento para ferramentas;
logs de eventos;
fallback para texto;
integração com telefonia;
inspeção e depuração do fluxo em tempo real.

Por que a confusão acontece

A confusão é compreensível porque as duas arquiteturas estão convergindo.

O GPT-Realtime levou a latência fala-para-fala a um nível utilizável para agentes de produção. O GPT-Live adicionou uma experiência full-duplex e delegação por cima disso, mas apenas dentro do ChatGPT.

Arquitetonicamente, o GPT-Live parece com o que uma próxima geração da API Realtime poderia se tornar. A OpenAI também disse que os modelos GPT-Live chegarão à API “em breve”.

Até lá, use este mapeamento:

“Quero conversar com uma IA.”

Use GPT-Live no ChatGPT. Nenhum código necessário.
“Quero que meu aplicativo converse com usuários por voz.”

Use GPT-Realtime via API Realtime.
“Quero o comportamento full-duplex do GPT-Live no meu app.”

Ainda não está disponível como API. As aproximações mais próximas, incluindo a implementação manual do padrão de delegação, estão em Existe uma API GPT-Live?.

Como planejar sua arquitetura agora

A OpenAI ainda não informou se os modelos GPT-Live entrarão na API Realtime, substituirão a API atual ou chegarão como uma superfície separada.

Para reduzir risco de migração, mantenha sua aplicação organizada assim:

app/
  audio/
    capture.ts
    playback.ts
  realtime/
    session.ts
    events.ts
  tools/
    search.ts
    crm.ts
    billing.ts
  orchestration/
    delegation.ts
    routing.ts

Recomendações práticas:

Isole a camada de sessão

Não espalhe eventos da API Realtime por todo o app. Centralize conexão, autenticação e parsing.
Modele eventos internamente

Converta eventos externos para eventos do seu domínio.

   type VoiceEvent =
     | { type: "user_audio"; chunk: ArrayBuffer }
     | { type: "assistant_audio"; chunk: ArrayBuffer }
     | { type: "assistant_text"; text: string }
     | { type: "tool_call"; name: string; args: unknown }
     | { type: "done" };

Mantenha delegação desacoplada

Se você simular hoje o padrão de delegação, deixe isso fora do cliente Realtime. Assim, se o GPT-Live chegar à API, a troca tende a ser menor.
Registre eventos brutos em ambiente de teste

Voz em tempo real é difícil de depurar. Logs estruturados ajudam a entender latência, interrupções, eventos incompletos e chamadas de função.

Checklist de decisão

Use este checklist antes de escolher a tecnologia:

Preciso apenas usar voz no ChatGPT?
→ GPT-Live

Preciso incorporar voz ao meu app?
→ GPT-Realtime

Preciso de WebSocket/WebRTC?
→ GPT-Realtime

Preciso de SIP para chamadas telefônicas?
→ GPT-Realtime

Preciso de full-duplex igual ao ChatGPT Voice?
→ GPT-Live, mas ainda sem API pública

Preciso lançar em produção hoje?
→ GPT-Realtime

FAQ

GPT-Live é o mesmo que GPT-Realtime?

Não. O GPT-Live impulsiona o ChatGPT Voice para consumidores; o GPT-Realtime é a família de modelos para desenvolvedores na API Realtime.

Posso usar o GPT-Live no meu próprio aplicativo?

Ainda não. A OpenAI planeja disponibilidade da API “em breve”. A API Realtime com gpt-realtime-2.1 é a alternativa disponível.

O GPT-Realtime está sendo substituído pelo GPT-Live?

A OpenAI não anunciou isso. O GPT-Realtime permanece geralmente disponível e foi atualizado dois dias antes do lançamento do GPT-Live, então a premissa mais segura é planejar coexistência.

Qual é mais capaz?

Depende do caso de uso. O GPT-Live oferece conversa full-duplex e delegação para o GPT-5.5 dentro do ChatGPT. O GPT-Realtime oferece a interface para desenvolvedores: chamada de função, MCP, SIP e preços publicados.