OpenAI выпустила большое обновление голосового режима ChatGPT: состоялся запуск GPT-Live-1 и GPT-Live-1-mini. Разговор с новыми голосовыми моделями сравнивают с «разговором с другим человеком» — это самая умная голосовая ИИ-модель в истории компании.
GPT-Live-1 отошла от пошаговой системы работы. Это полнодуплексная модель, которая одновременно слушает и говорит.
«Это означает, что она может говорить и слушать одновременно <...> Она способна непрерывно обрабатывать поток входных данных и также непрерывно и одновременно с этим выдавать поток выходных данных»— Атти Элети, руководитель отдела продуктов OpenAI
Такая настройка открывает новые возможности для перевода в реальном времени: теперь вместо того, чтобы ждать, пока пользователь перестанет говорить, ChatGPT будет переводить, пока слушает.
Кроме того, нейросеть можно попросить не разговаривать, пока его не вызовет пользователь. ChatGPT даёт понять, что он слушает длинный монолог пользователя, говоря «угу», «да», «понял» и так далее.
Для сложных задач GPT-Live-1 будет в фоновом режиме обращаться к GPT-5.5 — в будущем вместо GPT-5.5 голосовая модель будет обращаться к другим актуальным версиям LLM.
Бенчмарки:
GPT-Live-1 внедряется в ChatGPT Voice в приложениях на iOS и Android, а также в веб-версии для пользователей с подписками Go, Plus и Pro. Модель для бесплатных пользователей — GPT-Live-1 mini.
В будущем ИИ-модели собираются сделать доступными через API.