Seit der Einführung von ChatGPT im Jahr 2022 hat die Welt der Sprach-KI erhebliche Fortschritte gemacht. Ursprünglich war die Interaktion mit ChatGPT ausschließlich über die Tastatur möglich, doch bald folgte die Einführung einer Echtzeit-Sprachchat-Funktion. Diese Neuerung stellte ChatGPT Voice vor, das bald darauf Konkurrenz von Googles Gemini Live erhielt. Beide Systeme bieten ein bemerkenswert natürliches Gesprächserlebnis, das weit über die Fähigkeiten traditioneller Sprachassistenten hinausgeht. Während Google und OpenAI ihre jeweiligen Sprach-KIs unterschiedlich angegangen sind, gibt es deutliche Unterschiede in ihrer Funktionsweise und Benutzererfahrung.
ChatGPT Voice und Gemini Live haben auf den ersten Blick viele Ähnlichkeiten. Beide Systeme ermöglichen Echtzeit-Antworten und bieten eine Auswahl an verschiedenen Stimmen. Der Hauptunterschied liegt jedoch in den zugrunde liegenden KI-Modellen: ChatGPT basiert auf der GPT-Modellfamilie, während Google auf das Gemini-Modell setzt. Trotz dieser theoretischen Unterschiede gestaltet sich die praktische Anwendung der beiden Chatbots sehr unterschiedlich.
ChatGPT Voice zeichnet sich durch eine ausdrucksstarke Wortwahl und den Einsatz natürlicher Gesprächsmarker aus, um menschlicher zu klingen. Es simuliert beispielsweise Denkpausen mit einem „mhmm“ und fügt gelegentlich Satzstotterer ein, um authentischer zu wirken. Auf der anderen Seite klingt Gemini Live oft monotoner, was auf Unterschiede in Ton und Intonation zurückzuführen ist. Einige Nutzer bevorzugen möglicherweise die direktere und unaufgeregtere Art von Gemini, während andere ChatGPTs lebendige Ausdrucksweise schätzen.
Ein weiterer markanter Unterschied liegt in der Art und Weise, wie die beiden Chatbots Informationen beschaffen. ChatGPT Voice neigt dazu, vor der Beantwortung einer Frage das Internet zu durchsuchen, während Gemini Live oft auf sein vorhandenes Wissen zurückgreift. Bei einer Anfrage zur neuesten Gemini 3.8 Live-Version konnte Gemini diese nicht identifizieren, während ChatGPT Voice nach einer kurzen Internetrecherche die richtige Antwort lieferte. Dies zeigt, dass Nutzer, die auf präzise und aktuelle Informationen Wert legen, möglicherweise explizit von Gemini verlangen müssen, vor der Antwort zu recherchieren.
Beide Chatbots bieten die Möglichkeit, Fragen zu beantworten, Informationen zu suchen und mühelos zwischen verschiedenen Sprachen zu wechseln. Allerdings sollte man nicht die gleiche Antwortqualität wie bei den Textversionen der Chatbots erwarten. Da sprachbasierte Gespräche schnelle Reaktionen erfordern, setzen beide Systeme auf weniger leistungsfähige Modelle, die Geschwindigkeit über Genauigkeit priorisieren.
Die Nutzung von ChatGPT Voice und Gemini Live ist in der Basisversion kostenlos, jedoch begrenzt. Beide Dienste bieten kostenpflichtige Abonnements an, die längere Gesprächszeiten und den Zugang zu leistungsfähigeren Modellen ermöglichen. Das ChatGPT Go-Abo kostet 8 US-Dollar pro Monat, während Googles AI Plus-Abonnement 5 US-Dollar monatlich kostet. Die nächste Stufe für beide Chatbots liegt bei 20 US-Dollar pro Monat. Google bietet in seinen Abonnements zusätzlich 400 GB Cloud-Speicher, der sogar mit bis zu fünf Familienmitgliedern geteilt werden kann.
Eine interessante Funktion beider Chatbots ist die Unterstützung von Kameraeingaben neben der Sprachfunktion. Nutzer können ihr Smartphone auf ihre Umgebung richten, um den Chatbots zusätzlichen Kontext zu bieten. Diese Funktion ist besonders nützlich bei praktischen Aufgaben, wie dem Reparieren eines Fahrrads, wo Google Live hilfreiche Markierungen auf den Live-Video-Feed legen kann. Diese Kameraunterstützung ist bei ChatGPT allerdings erst ab dem 20-Dollar-Abonnement verfügbar, während Google diese Funktion bis zu einem gewissen Limit kostenlos anbietet.
Gemini Live bietet in einigen Bereichen deutliche Vorteile. Dank Googles umfassender Hardware- und Softwaredienste kann Gemini Live auf Google Home-Geräten genutzt werden, was den Zugang für viele Nutzer erleichtert. Zudem integriert sich Gemini Live nahtlos in die Pixel Buds und ermöglicht so einen sofortigen Gesprächsbeginn per Sprachbefehl. OpenAI arbeitet zwar an eigener Smart-Home-Hardware, doch Details zu Preis und Verfügbarkeit fehlen bisher.
Ein weiteres bemerkenswertes Feature von Gemini Live ist die Möglichkeit, auf persönliche Informationen aus dem Google-Konto zuzugreifen, um maßgeschneiderte Antworten zu liefern. Diese Funktion, genannt Personal Intelligence, kann E-Mails, YouTube-Videos und Dokumente durchsuchen. ChatGPT bietet derzeit keine vergleichbare Integration in persönliche digitale Daten und Dienste wie Google Maps oder YouTube.
Obwohl beide Systeme ihre Stärken und Schwächen haben, zeigt sich, dass die Wahl zwischen ChatGPT Voice und Gemini Live oft von den individuellen Bedürfnissen abhängt. Während Gemini Live durch seine Integration in Googles Ökosystem und seine personalisierten Funktionen überzeugt, schätzen viele Nutzer die natürliche Gesprächsführung von ChatGPT Voice. Da beide Optionen in der Grundversion kostenlos sind, empfiehlt es sich, beide auszuprobieren, bevor man sich für ein kostenpflichtiges Abo entscheidet.