OpenAI открыла через API доступ к новой голосовой модели GPT-Live-1, работающей в полнодуплексном режиме — она может одновременно говорить и слушать собеседника. Это позволяет разработчикам создавать голосовые приложения с более естественными сценариями диалога.
Модель отвечает только за ведение устного диалога, а поиском информации, работой с инструментами и управлением задачами занимается модель в бэкенде — например, флагманская GPT-6 Astra или более экономичный вариант для простых задач.
В тесте Tau3, оценивающем интеллектуальные возможности голосовых агентов при обслуживании клиентов, GPT-Live-1 набрала 86,2%, тогда как GPT-Realtime-2.1 и GPT-Realtime-2 показали 45,7% и 42,4% соответственно. В Full Duplex Bench новая модель на 30% эффективнее GPT-Realtime-2.1 по задержке при смене говорящего и качеству взаимодействия.
Разработчики могут гибко настраивать механизмы голосового взаимодействия под нужды своих приложений. По данным OpenAI, сервис Speak в ходе тестирования обнаружил, что GPT-Live-1 даёт ученикам больше времени на ответ, сократив случаи перебивания виртуального преподавателя на 80% по сравнению с предыдущими системами со строгой очерёдностью реплик.
Модель уже внедрена в сервис Yelp Host, где сделала процесс бронирования столиков более естественным. Стоимость работы с GPT-Live-1 составляет $0,05 за минуту плюс затраты на работу бэкенд-модели. Также она доступна через корпоративную платформу OpenAI Presence для создания интеллектуальных агентов.
GPT-Live-1 была анонсирована в июле и изначально работала только в интерфейсе ChatGPT, позволяя вводить запросы голосом. Полнодуплексный режим избавляет от необходимости строго соблюдать очерёдность реплик, как при полудуплексной радиосвязи, что делает общение более естественным.