OpenAI выпустила голосовую модель GPT‑Live — общение с ней похоже на настоящий разговор

OpenAI объявила о запуске GPT‑Live — голосовой модели нового поколения, которая делает общение с ИИ гораздо более похожим на настоящий разговор. В компании называют GPT‑Live самой умной голосовой моделью на сегодняшний день, сообщается в блоге OpenAI.

GPT‑Live: как работает новая голосовая модель OpenAI

GPT‑Live — это новая модель, которая работает в голосовом режиме нейросети Voice.

ChatGPT Voice — это голосовая функция ChatGPT, которая работает внутри чата. Она позволяет одновременно слушать и читать ответы ИИ, переключаться на печатный ввод, когда неудобно говорить, а также просматривать историю переписки

GPT‑Live построена на полнодуплексной архитектуре — это значит, что система может одновременно воспринимать речь собеседника и формировать собственный ответ. Благодаря этому диалог с GPT‑Live становится более естественным:

• модель не ждет полной паузы, чтобы начать отвечать;

• во время разговора она может подавать короткие сигналы вовлеченности — например, произносить «угу» или «да»;

• модель может быстро обмениваться репликами или молчать, если пользователю нужно немного подумать.

Пользователям также доступно девять голосовых режимов, каждый со своим характером и манерой общения:

• Arbor — непринужденный и разносторонний;

• Vale — жизнерадостный и любознательный;

• Ember — уверенный и оптимистичный;

• Juniper — открытый и жизнерадостный;

• Sol — сообразительный и непринужденный;

• Breeze — живой и искренний;

• Maple — жизнерадостный и откровенный;

• Spruce — спокойный и поддерживающий;

• Cove — сдержанный и лаконичный.

Как GPT‑Live обрабатывает сложные запросы

Если вопрос требует поиска в интернете, глубоких рассуждений или выполнения более сложной задачи, GPT‑Live передает его продвинутой модели в фоновом режиме. При этом GPT‑Live не прерывает беседу и может продолжать разговаривать с пользователем, пока идет обработка запроса. Когда результат готов, модель возвращает его в разговор.

На момент запуска в фоновом режиме используется модель GPT‑5.5. В OpenAI отметили, что по мере выхода новых передовых моделей компания будет обновлять и ту модель, на которую опирается GPT‑Live.

Какие языки поддерживает голосовая модель GPT‑Live

В OpenAI сообщили, что оптимизировали GPT‑Live для некоторых из самых популярных языков в ChatGPT. При этом для ряда других языков модель может иметь иностранный акцент или недостаточную беглость речи.

В компании отметили, что продолжают работать над улучшением пользовательского опыта во всех языках.

Где уже доступна голосовая модель GPT‑Live

GPT‑Live становится доступен пользователям ChatGPT по всему миру на iOS, Android и ChatGPT.com. При этом модель распределяется по тарифным планам:

• GPT‑Live‑1 — модель по умолчанию встроена в голосовой режим ChatGPT Voice (доступна пользователям планов Go, Plus и Pro);

• GPT‑Live‑1 mini — модель по умолчанию встроена в голосовой режим ChatGPT Voice (доступна для пользователей плана Free).

Доступ через API пока не открыт, но в компании заявили, что планируют запустить его в ближайшее время.

По словам представителей компании, обновленный голосовой режим в ChatGPT стал более интеллектуальным и естественным в использовании. В OpenAI рассчитывают, что развитие технологии со временем откроет возможность использовать голос для выполнения все более сложных и продолжительных задач с большей степенью автономности.

Какие еще возможности появились в голосовом режиме Voice в ChatGPT

Помимо новой модели, в ChatGPT Voice появился ряд дополнительных функций:

1. Визуальные карточки. Во время разговора ChatGPT теперь может показывать насыщенные визуальные карточки по темам вроде погоды, биржевых котировок, спорта и другим. Голосовой режим также по-прежнему поддерживает поиск, память, изображения и загрузку файлов.

2. Более естественные паузы. Если пользователь делает паузу, чтобы подумать, голосовой режим ждет, а не вмешивается и не перебивает. Если попросить ChatGPT помолчать и послушать, модель выполнит эту просьбу.

3. Улучшенная работа с фоновым шумом. При наличии посторонних звуков — например, проезжающего транспорта или разговоров поблизости, — ChatGPT лучше сосредотачивается на голосе пользователя и меньше отвлекается.

4. Выбор уровня рассуждений. ChatGPT Voice теперь может использовать новые передовые модели OpenAI, чтобы давать более умные ответы, когда это нужно. Пользователь может выбрать уровень рассуждений: «Быстрый» — для оперативных ответов, либо «Средний» и «Высокий» — если нужно, чтобы модель уделила больше времени обдумыванию.

Ранее OpenAI планировала сделать из ChatGPT суперприложение с ИИ-агентами.

Возможно, вам будет интересно:

• ChatGPT, DeepSeek, Grok, Gemini доступны на русском бесплатно. Внедряем?

• Обзор рекламного кабинета ChatGPT — настройки, возможности + инструкция

• Как пользоваться ChatGPT в России без костылей — элементарный способ

Источник: блог OpenAI