Компания OpenAI официально представила семейство голосовых моделей GPT-Live, предназначенных для ведения диалога с ChatGPT в режиме реального времени. В новую линейку вошли две модификации: флагманская GPT-Live-1 и облегченная GPT-Live-1 mini.
Собеседник больше не нужен: новая голосовая модель от OpenAI заговорила как человек
Теперь искусственный интеллект понимает, когда его перебивают, и умеет поддерживать диалог без привычных задержек.
OpenAI
Ключевой особенностью системы стала полнодуплексная архитектура, благодаря которой искусственный интеллект способен одновременно слушать пользователя и генерировать ответ, не дожидаясь окончания фразы собеседника. Это техническое решение избавляет голосовой режим от принципа работы рации, когда между репликами возникали вынужденные паузы.
Теперь система реагирует на прерывания, учитывает изменения темпа речи и может самостоятельно молчать, если человеку требуется время, чтобы сформулировать мысль. Во время беседы ChatGPT даже использует естественные междометия, такие как «угу» или «да», подтверждая, что продолжает внимательно слушать.
Дело в том, что разработчики OpenAI изменили саму структуру построения голосового взаимодействия.
Продолжение ниже
Видео
Продолжение
Если раньше такие системы работали как последовательная цепочка из нескольких нейросетей, где одна распознавала речь, вторая готовила текст, а третья синтезировала голос, то GPT-Live функционирует как единая модель. При этом она умеет работать в связке с другими ИИ-решениями компании.
Когда пользователь задает вопрос, требующий глубоких рассуждений, поиска актуальной информации в интернете или реализации агентских сценариев, GPT-Live передает выполнение задачи модели GPT-5.5 в фоновом режиме. Голосовой диалог при этом не обрывается: ChatGPT продолжает поддерживать ход беседы, пока готовится ответ на сложный запрос.
По словам руководителя направления голосовых технологий Атти Элети, такой подход позволяет использовать интерфейс для длительных разговоров по 30–40 минут, например, во время прогулок.
Внедрение новых моделей уже началось в веб-версии сервиса и мобильных приложениях для iOS и Android. Подписчики тарифов Go, Plus и Pro получают доступ к GPT-Live-1, а для бесплатного использования предназначена GPT-Live-1 mini. В дальнейшем OpenAI планирует открыть доступ к возможностям GPT-Live через API, чтобы сторонние разработчики могли встраивать функции живого общения в свои сервисы.
Модели также получили возможность отображать часть данных в визуальном формате и выполнять синхронный перевод. На текущий момент система оптимизирована для ряда наиболее востребованных языков, однако в компании признают, что технология пока не идеальна.
В частности, на некоторых языках, включая хинди, модель может говорить с заметным акцентом или использовать неестественные, книжные интонации.
Сама OpenAI позиционирует GPT-Live как практический инструмент, а не цифрового компаньона, уделяя особое внимание безопасности. В систему встроены механизмы, позволяющие учитывать возраст пользователя и корректно реагировать на чувствительные обращения или критические ситуации.
Сейчас голосовыми функциями ChatGPT, включая диктовку и разговорный режим, каждую неделю пользуются более 150 миллионов человек.
В компании полагают, что по мере развития автономных ИИ-агентов голосовой интерфейс может стать основным способом взаимодействия с вычислительными системами и выполнения сложных профессиональных задач.
Загружаем