OpenAI запускает полнодуплексный голосовой режим GPT-Live для пользователей ChatGPT

OpenAI начал внедрять переработанный голосовой режим для пользователей ChatGPT в среду, заменив режим Advanced Voice Mode двумя моделями, GPT-Live-1 и GPT-Live-1 mini, которые могут слышать пользователя и отвечать одновременно.

Обновление станет доступно для бесплатных и платных потребительских аккаунтов и выходит за день до запуска семейства моделей GPT-5.6 компанией.

Основная причина перехода на GPT Live — архитектурная. В то время как предыдущие голосовые модели ждали, пока человек закончит свою фразу, GPT-Live работает на основе архитектуры full-duplex OpenAI, которая предполагает обработку входного голоса и генерацию выходного голоса одновременно.

Согласно объявлению OpenAI, модель несколько раз в секунду решает, говорить ли, продолжать слушать, сделать паузу, перебить или воспользоваться инструментом. На практике это означает, что пользователь может говорить поверх модели, останавливаться для размышлений без прерывания или слышать, как она вставляет «м-м», чтобы показать, что она следит за ходом разговора.

OpenAI приносит GPT-Live в голосовой режим ChatGPT

Аккаунты бесплатного ChatGPT теперь по умолчанию используют GPT-Live-1 mini, в то время как подписчики уровней Go, Plus и Pro получают более мощную версию GPT-Live-1.

Запуск охватывает iOS, Android и веб-версию, и, поскольку ChatGPT уже работает через CarPlay, 9to5Mac отметил, что обновление также появляется в автомобиле. OpenAI говорит, что девять голосов в ChatGPT были ремикшированы для новых моделей.

Также компания заявила, что создала GPT-Live как собеседника, а не как механизм рассуждений. Для более сложных запросов GPT-Live не справляется со всем самостоятельно. Согласно OpenAI, голосовая модель способна делегировать такие задачи, как поиск в интернете, рассуждения и даже многошаговые ответы, модели GPT-5.5, не прерывая голосовой разговор.

Это должно решить одну из основных проблем предыдущего голосового режима ChatGPT, где он иногда казался менее мощным по сравнению с набором текста. У пользователей также будет возможность выбирать между режимом быстрого ответа и режимом высокой сложности.

OpenAI также добавляет перевод речи в режиме, близком к реальному времени, и визуальные карточки для погоды, цен на акции и спортивных результатов, предоставляя пользователям некоторые ответы на экране, вместо того чтобы ChatGPT зачитывать все вслух. Компания заявила, что более 150 миллионов человек уже используют функции ChatGPT, такие как Голос и Диктовка, каждую неделю.

GPT-Live улучшает поток речи, но оставляет пробелы

Согласно TechCrunch, освещавшему пресс-конференцию OpenAI, перевод на хинди имел сильный американский акцент, а также очень неестественный и книжный язык.

По словам OpenAI, модель лучше всего работает для «некоторых из самых распространенных языков в ChatGPT», хотя они предупреждают, что могут возникнуть проблемы с акцентом или беглостью в некоторых языках. Также OpenAI заявила, что голос в сочетании с видео и демонстрацией экрана пока не поддерживается.

Хотя OpenAI продвигает GPT-Live как более человеческую версию всего своего модельного ряда, компания настаивает, что это не ИИ-компаньон. Компания также подчеркнула меры предосторожности, которые она внедрила, чтобы гарантировать возрастно-адекватные ответы для подростков. Она также добавила, что в случае, если разговор пользователя будет направлен на причинение вреда себе, будут предоставлены ресурсы кризисной помощи.

Аудиоклипы из разговоров в режимах Live и Advanced Voice хранятся в течение 30 дней и не используются для обучения моделей, если пользователи не выберут возможность поделиться ими.

Этти Элетти, руководитель продукта ChatGPT Voice, сообщил на брифинге, что он проводил 30–40-минутные разговоры с этой функцией во время прогулок и утверждал, что голос может стать основным способом выполнения более длительных и сложных задач.

Те удивительные варианты использования, которые мы видим, когда люди используют Codex и ChatGPT для достижения целей, мы считаем, что голос может стать будущим интерфейсом для всех видов работы

– Элетти через TechCrunch

Запуск GPT-5.6 ставит вопрос о сроках в фокус

Обновление голосового режима отдельно от выпуска модели, который OpenAI запланировала на четверг.

Согласно данным Cryptopolitan, разрешение на публичный выпуск GPT-5.6 было получено после того, как Министерство торговли США сняло эмбарго, наложенное в ходе проверки вопросов национальной безопасности, и модель доступна в трех версиях: Sol, Terra и Luna.

GPT-Live будет доступен в API OpenAI после запуска для потребителей, разработчики смогут зарегистрироваться для получения доступа.