Дом
OpenAI добавила GPT-Live-1 в API с поддержкой полнодуплексного голосового общения и прерывания разговора для звонков в службу поддержки клиентов
OpenAI интегрировала GPT-Live-1 в свой API, предоставив разработчикам возможность создавать приложения и бизнес-процессы, обеспечивающие голосовое взаимодействие в режиме реального времени. Эта модель поддерживает полнодуплексные разговоры, позволяя одновременно слушать и говорить, а также эффективно обрабатывать прерывания, паузы и фоновый шум.
GPT-Live-1 также оптимизирована для сценариев использования по телефону, таких как бронирование столиков в ресторанах и поддержка клиентов, что позволяет создавать полнодуплексных голосовых агентов. OpenAI отмечает, что разработчики могут интегрировать эту модель с такими инструментами, как Codex, или использовать OpenAI Presence для создания голосовых приложений, которые запрашивают данные из корпоративных систем, выполняют авторизованные действия и при необходимости плавно перенаправляют звонки операторам-людям.

Единое понимание и вывод речи для сокращения задержки
GPT-Live-1 объединяет распознавание и синтез речи в рамках одной модели, устраняя необходимость в множественных соединениях, характерных для традиционного конвейера «речь-в-текст — LLM — текст-в-речь», что значительно снижает задержку. Модель также обрабатывает сложные логические выводы и вызовы инструментов через бэкенд-текстовые модели. Разработчики могут настраивать тон, скорость и стиль разговора с помощью системных подсказок, одновременно конфигурируя бэкенд-модели, инструменты и фреймворки операторов. OpenAI подтверждает, что GPT-Live-1 поддерживает встроенную транскрипцию распознанной речи и генерацию текста ответа, обладая такими возможностями, как понимание буквенно-цифровых символов, приоритет ключевых слов и распознавание смены речи.
Предварительные оценки показывают, что использование GPT-Live-1 позволило сократить количество ошибочных прерываний во время пауз, связанных с размышлениями учащихся, на платформе для изучения языков Speak почти на 80 % по сравнению с предыдущей поочередной системой. Тони Стоянов, соучредитель и технический директор платформы медицинских услуг, сообщил о сокращении объема кода на 80 %, что позволило удалить примерно 23 000 строк кода. Оценки OpenAI показывают, что GPT-Live-1 превосходит GPT-Realtime-2.1 на 30 процентных пунктов в тесте Full Duplex Bench и занимает первое место в тесте Tau3 по сквозной задаче голосового агента при использовании в паре с GPT-6 Astra при средней интенсивности рассуждений.
Стоимость фронт-энд слоя речевого взаимодействия составляет 0,05 доллара за минуту, доступно 12 новых голосов
Что касается ценообразования, стоимость фронт-энд-слоя речи для GPT-Live-1 составляет 0,05 доллара за минуту, что соответствует примерно 3 долларам (около 20,2 юаня) в час. Расходы на бэк-энд-модели и инструменты для агентов оплачиваются отдельно. OpenAI также расширила возможности голосового взаимодействия в режиме реального времени, добавив 12 новых голосов: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta и Cinder. В ближайшие месяцы компания планирует добавить новые голоса и поддержку дополнительных языков.
Связанная статья
Apple представила первую публичную бета-версию iOS 27, ознаменовавшую кардинальную модернизацию Siri с использованием искусственного интеллекта
Сегодня компания Apple официально выпустила первую публичную бета-версию iOS 27 для пользователей. Для установки этого обновления не требуется учетная запись разработчика. Пользователям достаточно зар
Cloudflare представляет рабочую среду AI Agent с открытым исходным кодом, позволяющую сотрудникам создавать индивидуальные рабочие процессы без написания кода
Компания Cloudflare официально выпустила Cloudflare OS — рабочую среду на базе искусственного интеллекта с открытым исходным кодом, которая работает непосредственно в браузере. Эта платформа объединяе
Вызовы критике после насмешек руководителя OpenAI по поводу оплаты с помощью кредитной карты ИИ Маска
Недавно Илон Маск представил новую функцию покупок в Grok, объяснив, что пользователи могут сделать снимок своей кредитной карты и отправить его в интерфейс чата. Затем ИИ просканирует интернет в поисках лучших цен и оформит покупку от имени пользова
Рекомендации по связанным специальным темам
Комментарии (0)
OpenAI интегрировала GPT-Live-1 в свой API, предоставив разработчикам возможность создавать приложения и бизнес-процессы, обеспечивающие голосовое взаимодействие в режиме реального времени. Эта модель поддерживает полнодуплексные разговоры, позволяя одновременно слушать и говорить, а также эффективно обрабатывать прерывания, паузы и фоновый шум.
GPT-Live-1 также оптимизирована для сценариев использования по телефону, таких как бронирование столиков в ресторанах и поддержка клиентов, что позволяет создавать полнодуплексных голосовых агентов. OpenAI отмечает, что разработчики могут интегрировать эту модель с такими инструментами, как Codex, или использовать OpenAI Presence для создания голосовых приложений, которые запрашивают данные из корпоративных систем, выполняют авторизованные действия и при необходимости плавно перенаправляют звонки операторам-людям.

Единое понимание и вывод речи для сокращения задержки
GPT-Live-1 объединяет распознавание и синтез речи в рамках одной модели, устраняя необходимость в множественных соединениях, характерных для традиционного конвейера «речь-в-текст — LLM — текст-в-речь», что значительно снижает задержку. Модель также обрабатывает сложные логические выводы и вызовы инструментов через бэкенд-текстовые модели. Разработчики могут настраивать тон, скорость и стиль разговора с помощью системных подсказок, одновременно конфигурируя бэкенд-модели, инструменты и фреймворки операторов. OpenAI подтверждает, что GPT-Live-1 поддерживает встроенную транскрипцию распознанной речи и генерацию текста ответа, обладая такими возможностями, как понимание буквенно-цифровых символов, приоритет ключевых слов и распознавание смены речи.
Предварительные оценки показывают, что использование GPT-Live-1 позволило сократить количество ошибочных прерываний во время пауз, связанных с размышлениями учащихся, на платформе для изучения языков Speak почти на 80 % по сравнению с предыдущей поочередной системой. Тони Стоянов, соучредитель и технический директор платформы медицинских услуг, сообщил о сокращении объема кода на 80 %, что позволило удалить примерно 23 000 строк кода. Оценки OpenAI показывают, что GPT-Live-1 превосходит GPT-Realtime-2.1 на 30 процентных пунктов в тесте Full Duplex Bench и занимает первое место в тесте Tau3 по сквозной задаче голосового агента при использовании в паре с GPT-6 Astra при средней интенсивности рассуждений.
Стоимость фронт-энд слоя речевого взаимодействия составляет 0,05 доллара за минуту, доступно 12 новых голосов
Что касается ценообразования, стоимость фронт-энд-слоя речи для GPT-Live-1 составляет 0,05 доллара за минуту, что соответствует примерно 3 долларам (около 20,2 юаня) в час. Расходы на бэк-энд-модели и инструменты для агентов оплачиваются отдельно. OpenAI также расширила возможности голосового взаимодействия в режиме реального времени, добавив 12 новых голосов: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta и Cinder. В ближайшие месяцы компания планирует добавить новые голоса и поддержку дополнительных языков.
Apple представила первую публичную бета-версию iOS 27, ознаменовавшую кардинальную модернизацию Siri с использованием искусственного интеллекта
Сегодня компания Apple официально выпустила первую публичную бета-версию iOS 27 для пользователей. Для установки этого обновления не требуется учетная запись разработчика. Пользователям достаточно зар
Cloudflare представляет рабочую среду AI Agent с открытым исходным кодом, позволяющую сотрудникам создавать индивидуальные рабочие процессы без написания кода
Компания Cloudflare официально выпустила Cloudflare OS — рабочую среду на базе искусственного интеллекта с открытым исходным кодом, которая работает непосредственно в браузере. Эта платформа объединяе
Вызовы критике после насмешек руководителя OpenAI по поводу оплаты с помощью кредитной карты ИИ Маска
Недавно Илон Маск представил новую функцию покупок в Grok, объяснив, что пользователи могут сделать снимок своей кредитной карты и отправить его в интерфейс чата. Затем ИИ просканирует интернет в поисках лучших цен и оформит покупку от имени пользова











