GPT-Live: OpenAI macht das Modell zum neuen Standard für Sprachdialoge
Veröffentlicht am: 14.11.2026 um 22:24 Uhr | Redaktion boerse-global.de
OpenAI und Google haben visuell gestützte, multimodale Sprachmodi für reguläre Nutzerkonten bereitgestellt. Die Systeme führen Echtzeit-Kamerabilder und gesprochenen Dialog in einer gemeinsamen Interaktion zusammen. Damit können Anwender während eines laufenden Sprachgesprächs visuelle Informationen aus ihrer Umgebung erfassen und vom Assistenten unmittelbar analysieren lassen.
Interaktive Video- und Bildschirmfreigabe bei Google Gemini Live
Bei Googles Gemini Live lässt sich auf Android-Geräten während laufender Konversationen die Kamera aktivieren oder der Bildschirminhalt teilen. Die technische Voraussetzung liegt bei Geräten mit mindestens 2 GB Arbeitsspeicher und Android 10 oder neuer.
Während des Austauschs können Anwender den Sprachassistenten jederzeit unterbrechen, die Bildübertragung anhalten oder beenden sowie flexibel zwischen Vorderkamera, Rückkamera und Bildschirmanzeige wechseln.
Moderne KI-Funktionen machen Android-Smartphones leistungsfähiger, doch sie erfordern auch einen wachsamen Umgang mit der Gerätesicherheit. Dieser kostenlose Ratgeber zeigt Ihnen in 5 einfachen Schritten, wie Sie Ihr System effektiv vor unbefugten Zugriffen und Datenmissbrauch schützen. 5 Sicherheits-Maßnahmen für Android jetzt kostenlos entdecken
Ergänzend stellte Google die Funktion Guided Vision für Gemini Live vor, die im September 2026 im Rahmen des Android Drops angekündigt wurde. Die Anwendung erfasst das Kamerabild, beschreibt dessen Inhalt und unterstützt Anwender mit gesprochenen Hinweisen zur Kameraausrichtung – etwa durch Aufforderungen zum Schwenken, Neufassen oder Zentrieren des Motivs.
Entwickelt wurde Guided Vision primär für blinde und sehbehinderte Menschen, um beispielsweise Kleingedrucktes auf Produktetiketten, Haushaltsgegenstände oder Speisekarten unter schwierigen Lichtverhältnissen zugänglich zu machen.
Der Zugriff auf Guided Vision erfolgt über die Android-Barrierefreiheitskürzel, das TalkBack-Menü oder direkt über die Gemini-Einstellungen. Google setzt dafür mindestens Android 9 in Ländern mit allgemeiner Gemini-Verfügbarkeit voraus.
Der Konzern weist ausdrücklich darauf hin, dass die Funktion fehlerbehaftet sein kann, kein Medizinprodukt darstellt und keinesfalls als Mobilitäts- oder Navigationshilfe zur Hinderniserkennung eingesetzt werden darf.
Wer die neuesten Funktionen seines Android-Smartphones wie KI-Assistenten und Kamera-Tools sicher nutzen möchte, sollte auch die Systemaktualität im Blick behalten. Erfahren Sie in diesem Gratis-Report, wie Sie durch die richtigen Updates Sicherheitslücken schließen und Ihr Gerät dauerhaft optimieren. Kostenlosen Android-Update-Ratgeber herunterladen
Umstrukturierung der Sprachfunktionen bei ChatGPT
Auch OpenAI baute ChatGPT um kombinierte Sprach- und Bildfunktionen aus. Nutzer der Apps für iOS und Android erhielten Zugriff auf eine Auswahl aus 5 Stimmen sowie die Möglichkeit, Bildinhalte zur detaillierten Teilbereichsanalyse einzuspeisen. Während die Sprachinteraktion anfänglich auf die mobilen Anwendungen beschränkt blieb, stand die Bildverarbeitung plattformübergreifend zur Verfügung.
Zeitgleich leitete das Unternehmen eine umfassende Umstellung seiner Spracharchitektur ein. OpenAI stellt die bisherigen ChatGPT-Sprachmodi Advanced und Standard mit Wirkung zum 11.12.2026 ein; die Benachrichtigung der Nutzerschaft begann am 10.11.2026. An ihre Stelle tritt das Modell GPT-Live als künftiger Standard für Sprachdialoge, wobei bestehende Chatverläufe erhalten bleiben.
Funktionen für Live-Video und Bildschirmübertragungen verbleiben bei OpenAI vorerst innerhalb von Advanced Voice, bis GPT-Live diese Fähigkeiten übernimmt. Einen konkreten Zeitpunkt für diesen Übergang nannte das Unternehmen bisher nicht. Für angepasste Assistenten im Format Custom GPTs, die bisher auf Advanced Voice aufsetzten, entfällt diese Option mit dem Stichtag am 11.12.2026.
