OpenAIは、中断処理、ツール呼び出し、電話エージェント機能を備えたGPT-Live-1 APIをリリースしました。
OpenAIは、フルデュプレックスのリアルタイム音声アプリケーションを構築する開発者を強化するために設計された新しいAPIモデル「GPT-Live-1」を正式にリリースしました。このリリースは、従来の分割処理を超えて、流動的で自然な会話へと移行する、AI音声インタラクションにおける大きな転換点を示しています。
技術的に、GPT-Live-1は音声理解と生成を単一のモデル内で統合しています。個別の音声からテキストへの変換、推論、テキストから音声への変換の各段階をチェーンすることによる遅延を排除することで、ほぼ瞬時の応答時間を達成しています。このモデルはフルデュプレックスインタラクションをネイティブにサポートしており、同時に聴取と発話を行うことができ、割り込み、一時停止、背景ノイズを正確に管理します。

シームレスなインタラクションに加え、GPT-Live-1は広範なカスタマイズ性を提供します。開発者はシステムプロンプトを通じてトーン、速度、スタイルを微調整でき、バックエンドモデルやインテリジェントエージェントフレームワークと統合できます。アルファベット数字の理解、キーワードバイアス、ターン検出を備えたネイティブ音声認識機能があります。CodexやOpenAI Presenceなどのツールと互換性があり、企業の問い合わせ対応、承認された操作、人間のエージェントへのシームレスな引き継ぎを可能にし、レストランの予約やカスタマーサポートなどの電話ベースのサービスに最適です。
実際の結果は印象的です。言語プラットフォーム「Speak」などの初期採用者は、ラウンドベースのシステムと比較して、学習者の一時停止中の誤った割り込みが80%減少したと報告しています。医療サービスプラットフォームも、アーキテクチャを簡素化し、コードの複雑さを削減しました。OpenAIによると、GPT-Live-1はフルデュプレックスベンチテストにおいてGPT-Realtime-2.1を30パーセントポイント上回り、中程度の推論強度でGPT-6Astraと組み合わせた場合、Tau3のエンドツーエンド音声エージェントベンチマークでも首位を維持しています。
関連記事
NvidiaのCEO、ジェンソン・ホアング氏はAI終焉説を退け、2030年の破滅確率はゼロだと述べた。
CBSニュースの最近のインタビューにおいて、NVIDIAの共同創業者兼CEOであるジェンセン・ファンは、ある研究者たちからの警告、すなわち人工知能が数年以内に人類の絶滅をもたらす可能性があるという懸念を退け、そのような終末論的な物語は誇張されていると指摘した。「2030年は世界の終わりにはならない」とファンは述べた。「確率はゼロパーセントだ。恐怖を煽ることは無責任であり、不要である。」コクソンの主張への対応:科学的根拠の欠如ファンのコメントは、Anthropicの元研究者であるジェイコブ・
ムーンショット:中国の2.8兆パラメータAIは、米国のテクノロジーに匹敵できるか?
2026年2月、Anthropic社は、中国のAI研究所であるDeepSeek、Moonshot、MiniMaxに対し、「自社のモデルを改善するために、Claudeの機能を不正に抽出する」という「産業規模のキャンペーン」を展開していると非難した。写真提供:Alvan Nee/Unsplash中国のAI企業Moonshotは、米国の最先端モデルに匹敵すると称する「Kimi K3」をリリースした。これ
Cozy 3.0がマルチパーソンおよびマルチエージェントの協調作業サポート付きでリリース
ByteDanceは公式にCoze 3.0をリリースし、エージェント作成における革新的なアプローチを導入するとともに、チームコラボレーションとエコシステム統合において主要な進歩をもたらしました。このアップデートはコラボレーションの効率性を最優先し、「1ユーザー+複数エージェント」および「複数ユーザー+複数エージェント」といった柔軟な構成を完全にサポートしています。チームワークの簡素化のため、システムは現在、アセットを自動的に整理およびアーカイブするマルチプロジェクト管理メカニズムを備えています。
関連特集おすすめ
コメント (0)
0/500
OpenAIは、フルデュプレックスのリアルタイム音声アプリケーションを構築する開発者を強化するために設計された新しいAPIモデル「GPT-Live-1」を正式にリリースしました。このリリースは、従来の分割処理を超えて、流動的で自然な会話へと移行する、AI音声インタラクションにおける大きな転換点を示しています。
技術的に、GPT-Live-1は音声理解と生成を単一のモデル内で統合しています。個別の音声からテキストへの変換、推論、テキストから音声への変換の各段階をチェーンすることによる遅延を排除することで、ほぼ瞬時の応答時間を達成しています。このモデルはフルデュプレックスインタラクションをネイティブにサポートしており、同時に聴取と発話を行うことができ、割り込み、一時停止、背景ノイズを正確に管理します。

シームレスなインタラクションに加え、GPT-Live-1は広範なカスタマイズ性を提供します。開発者はシステムプロンプトを通じてトーン、速度、スタイルを微調整でき、バックエンドモデルやインテリジェントエージェントフレームワークと統合できます。アルファベット数字の理解、キーワードバイアス、ターン検出を備えたネイティブ音声認識機能があります。CodexやOpenAI Presenceなどのツールと互換性があり、企業の問い合わせ対応、承認された操作、人間のエージェントへのシームレスな引き継ぎを可能にし、レストランの予約やカスタマーサポートなどの電話ベースのサービスに最適です。
実際の結果は印象的です。言語プラットフォーム「Speak」などの初期採用者は、ラウンドベースのシステムと比較して、学習者の一時停止中の誤った割り込みが80%減少したと報告しています。医療サービスプラットフォームも、アーキテクチャを簡素化し、コードの複雑さを削減しました。OpenAIによると、GPT-Live-1はフルデュプレックスベンチテストにおいてGPT-Realtime-2.1を30パーセントポイント上回り、中程度の推論強度でGPT-6Astraと組み合わせた場合、Tau3のエンドツーエンド音声エージェントベンチマークでも首位を維持しています。
NvidiaのCEO、ジェンソン・ホアング氏はAI終焉説を退け、2030年の破滅確率はゼロだと述べた。
CBSニュースの最近のインタビューにおいて、NVIDIAの共同創業者兼CEOであるジェンセン・ファンは、ある研究者たちからの警告、すなわち人工知能が数年以内に人類の絶滅をもたらす可能性があるという懸念を退け、そのような終末論的な物語は誇張されていると指摘した。「2030年は世界の終わりにはならない」とファンは述べた。「確率はゼロパーセントだ。恐怖を煽ることは無責任であり、不要である。」コクソンの主張への対応:科学的根拠の欠如ファンのコメントは、Anthropicの元研究者であるジェイコブ・
ムーンショット:中国の2.8兆パラメータAIは、米国のテクノロジーに匹敵できるか?
2026年2月、Anthropic社は、中国のAI研究所であるDeepSeek、Moonshot、MiniMaxに対し、「自社のモデルを改善するために、Claudeの機能を不正に抽出する」という「産業規模のキャンペーン」を展開していると非難した。写真提供:Alvan Nee/Unsplash中国のAI企業Moonshotは、米国の最先端モデルに匹敵すると称する「Kimi K3」をリリースした。これ
Cozy 3.0がマルチパーソンおよびマルチエージェントの協調作業サポート付きでリリース
ByteDanceは公式にCoze 3.0をリリースし、エージェント作成における革新的なアプローチを導入するとともに、チームコラボレーションとエコシステム統合において主要な進歩をもたらしました。このアップデートはコラボレーションの効率性を最優先し、「1ユーザー+複数エージェント」および「複数ユーザー+複数エージェント」といった柔軟な構成を完全にサポートしています。チームワークの簡素化のため、システムは現在、アセットを自動的に整理およびアーカイブするマルチプロジェクト管理メカニズムを備えています。





家






