GPT-Live-1-stemmen zijn nu iets wat je beschrijft: Prompt-to-Voice is beschikbaar en negen internationale presets arriveren

For most of the year, choosing a voice for G​PT-Live-1 meant picking a string. You read a list, you set audio.output.voice/ to one of them at session start, and if none of them fit the brand you were building, you shipped with the closest one. That changed on 16 October 2026, when O​penAI released prompt-to-voice to all API customers and added nine natural voices aimed at five non-English markets. The new capability is small on paper — one endpoint, free to call — and it rewrites the earliest decision most voice products make. It also lands a day after G​PT-Live-1.1 picked up native Decisions integration inside the same Live sessions, which matters because the two changes push in opposite directions: one makes the voice more bespoke, the other makes the thing behind the voice more active.

Dit is wat er daadwerkelijk is uitgebracht, wat het kost, en de twee asymmetrieën in de nieuwe stemmenlijst die niemand in de lanceringsnotitie noemt.

Wat de release van 16 oktober bevat

Twee dingen, beide gekoppeld aan het gpt-live-1/-model en aan twee endpoints — v1/audio/voices/ en v1/live/sessions/.

• Prompt-to-voice — create a custom voice from a text description, through the API or the voice Playground, then reuse it in G​PT-Live sessions. Released for all API customers.

• Negen nieuwe natuurlijke stemmen — Nuri, Juni en Flitz (Duits); Brise en Sillage (Frans); Nira (Hindi); Harema en Shida (Japans); Noeul (Koreaans).

• Cost — creating a prompt-generated voice is free. Using it speech-synthesises at regular G​PT-Live session rates, and auditioning it in the Playground counts as a normal session for billing.

• A day earlier, on 15 October — native Decisions integration in G​PT-Live, so an app can act while the user is still speaking or react to what Live says, via native delegation or transcript deltas.

The pricing context that makes those numbers legible: a G​PT-Live-1 voice session runs $0.05 per minute, billed by the second and not rounded up. That line is unchanged by this release, and no part of prompt-to-voice changes it.

De API-aanroep is één POST, en de vorm ervan vertelt je wat het model doet.

Je stuurt JSON naar /v1/audio/voices/ met type: "prompt"/, een naam/, de prompt/ beschrijving, en "model": "auto"/. Een optionele script_hint/ van maximaal 2.000 tekens levert voorbeeldspraak om de generatie bij te sturen; laat je die weg, dan schrijft de service het script zelf, al worden lege of zeer korte scripts geweigerd.

Het antwoord bevat geen audio. Het retourneert alleen metadata — een objecttype, een id/, de name/, een created_at/ in Unix-seconden, het type/, en je oorspronkelijke prompt. Dat is een bewuste ontwerpkeuze met een praktisch gevolg: er valt op het moment van aanmaken niets te previewen, dus je test het zoals je het zou gebruiken, wat als een sessie wordt gefactureerd. Elk verzoek slaat een gloednieuwe stem op, dus houd de ID en de beschrijving bij elkaar — de beschrijving is de enige registratie van wat je hebt gevraagd.

The controllable qualities are all expressed as ordinary language rather than as separate parameters: accent, age, presentation, pitch, timbre, texture, loudness, speech rate and distinctiveness. O​penAI's own examples include an accent phrased as "American English, with a strong accent" and a pace phrased as "Medium pace." There is no numeric prosody slider anywhere in the surface, which means the prompt is the API.

Dat is een echte afweging. Een schuifregelaar is reproduceerbaar; een zin niet. Twee teams die dezelfde alinea beschrijving schrijven, krijgen misschien niet dezelfde stem, en de documentatie zegt ronduit dat gegenereerde stemmen niet gegarandeerd uniek zijn. Houd de prompttekst onder versiebeheer, net zoals je je systeemprompt onder versiebeheer houdt.

De beperkingen waar het de moeite loont om omheen te ontwerpen

• 100 via prompts gegenereerde stemmen per organisatie. De limiet geldt ook voor uw klanten, dus als u per eindgebruiker een stem genereert, is 100 het plafond voor uw hele tenantbasis, niet een toegestane hoeveelheid per account.

• G​PT-Live only. Prompt-generated voices do not work with the Text to Speech, Realtime, or Chat Completions APIs. A voice you describe today is a voice you cannot reuse in a batch narration pipeline tomorrow.

• Niet te gebruiken met Zero Data Retention. Het aanmaken van stemmen via /v1/audio/voices/, inclusief het opnamepad, is uitgesloten.

• Alleen voor volwassenen, en geen imitatie. Stemmen van kinderen zijn niet toegestaan, en de richtlijn is om eigenschappen te beschrijven in plaats van een echt persoon of personage te noemen.

• Stemmen op basis van opnames vormen een apart, strenger traject — maximaal 20 per organisatie, fragmenten van 30 seconden of korter in mpeg, wav, ogg, aac, flac, webm of mp4, ten minste vijf seconden echte spraak en vijftien getranscribeerde tokens, uploads beperkt tot 10 MiB, waarbij een toestemmingsopname vereist is.

The 100-voice cap and the G​PT-Live-only restriction are the two that shape architecture. If you are a platform generating a voice per customer, you have a hard ceiling and no fallback path into the cheaper speech APIs.

De volledige presetlijst, en waar deze beperkt is.

The nine additions land on top of a library that O​penAI's Live voice guide now lists twenty-one deep, plus marin/ as the default. Read as a whole, the list says something about who O​penAI expects to be building:

• Engels — zes regionale kleuren, niet één. Quartz en Ripple zijn Australisch; Vesper is Brits; Willow en Stone zijn Iers; Gleam en Meridian zijn Noord-Amerikaans; Beacon is Filipijns; Delta en Cinder zijn uit de zuidelijke VS. Vier daarvan zijn gemarkeerd als Generated in plaats van Natural.

• Portugees — Bossa en Tempo, allebei Braziliaans, allebei Natural.

• Duits — Nuri, Juni en Flitz. Twee vrouwelijke, één mannelijke.

• Frans — Brise en Sillage. Een vrouwelijke, een mannelijke.

• Japans — Harema en Shida. Eén vrouwelijk, één mannelijk.

• Hindi — Nira. Alleen vrouwelijk.

• Koreaans — Noeul. Alleen vrouwelijk.

Two asymmetries fall out of that. First, German gets three voices while French, Japanese, Hindi and Korean get two, two, one and one — an allocation that tracks O​penAI's European market priorities more than it tracks speaker populations. Second, Hindi and Korean each get exactly one voice, and both are feminine. If your product needs a masculine Hindi or Korean voice from the preset library, there isn't one, and your options are a recording-based voice or a prompt-generated one. That is precisely the gap prompt-to-voice was released to fill, arriving the same day — which suggests the sequencing is not a coincidence.

De gids wijst ook op iets dat gemakkelijk verkeerd te begrijpen is: "regionale invloed" beschrijft de spreekstijl van een stem, niet een harde beperking op welke talen die kan spreken. Test kandidaatstemmen aan de hand van de talen en uitspraken die je app daadwerkelijk tegenkomt, in plaats van aan te nemen dat een stem met een Duits label de juiste keuze is voor Duitse invoer.

De instelling die je niet tijdens een gesprek kunt wijzigen. Stem is een opstartinstelling. Je configureert audio.output.voice/ wanneer je de sessie aanmaakt, en om die te wijzigen start je een nieuwe sessie. Forks nemen het model, de oorspronkelijke instructies en input van de bronsessie over, dus twee stemmen vergelijken betekent twee sessies maken met dezelfde configuratie in plaats van binnen één sessie te wisselen. Als je A/B-tests met stemmen op echte gebruikers doet, betekent dat twee sessiefabrieken, niet één sessie met een flag — en het betekent dat elke vergelijking de volledige sessietijd in beide varianten kost.

Waar de backend zit, en waarom dat de goedkopere helft van de beslissing is

The voice is the half of a Live session that users hear. The other half is delegation: G​PT-Live listens and speaks while a backend model or agent does the reasoning and tool work, and backend usage is billed separately at normal rates. O​penAI's own cost guidance makes the arithmetic blunt — full active session time is billable including while the backend works, and using a faster backend model with parallel tool calls so the user finishes a minute earlier saves $0.05 in voice charges. The voice rate is fixed per minute; the backend is the dial.

That is where a router earns its place rather than being bolted on. Client delegation lets you point a G​PT-Live session at your own agent, harness or service — which means the delegated backend can be any model, and the useful version of "any model" is one key and one endpoint rather than a contract per provider. OrcaRouter fronts 200-plus models at provider list price with no markup, so a backend price cut reaches you the same day it lands, and automatic failover covers a provider having a bad afternoon without the user hearing it. The routing DSL lets you compose the reasoning step out of several models instead of betting the conversation on one, which is the shape you want for a delegated backend that has to answer inside a live conversation's latency budget.

One boundary to state plainly: OrcaRouter does not host G​PT-Live-1, and nothing in this release changes that. The router's role in a Live architecture is behind the delegation boundary, not in front of the voice.

Wat deze week te doen

Als je al een Live-product uitbrengt met een vooraf ingestelde stem, zijn de negen toevoegingen een vrijbrief om te testen of je niet-Engelstalige gebruikers daadwerkelijk worden bediend — verwissel de stem in een deel van de sessies en luister, en houd er rekening mee dat de verwisseling je een nieuwe sessie per arm kost.

Als je vastliep op merkfit, is prompt-to-voice nu een dag experimenteren waard, met één kanttekening die later zal bijten: behandel de beschrijvingstekst als een build-artefact. Versionneer het, bewaar het geretourneerde ID ernaast, en ga ervan uit dat je opnieuw zult moeten genereren — want met een organisatielimiet van 100 stemmen en geen voorbeeld op het moment van aanmaken, is de stem die je dinsdag beviel iets dat je met opzet opnieuw moet kunnen creëren.

And if you are building the whole system rather than just the voice, the more consequential October change may be the one nobody wrote a blog post about. A day before the voices landed, G​PT-Live picked up native Decisions integration — the ability to act while the user is still mid-sentence. A voice that fits is a product decision. A backend that answers before the user finishes asking is an architecture one.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.