OpenAI выпустила голосовые модели GPT‑Live для ChatGPT. Что они умеют?
OpenAI представила новое поколение голосовых моделей GPT‑Live, которые уже работают в голосовом режиме ChatGPT, сообщает компания.
В отличие от предыдущих версий, GPT‑Live построена на полнодуплексной архитектуре (full duplex — способность одновременно принимать и передавать данные): модель может слушать пользователя и говорить одновременно, вставлять короткие реплики вроде «угу» или «ага», а также молчать, пока человек формулирует мысль.
Для запросов, требующих поиска в интернете или более глубоких рассуждений, GPT‑Live делегирует задачу другой, более мощной модели, и продолжает поддерживать разговор, пока та работает в фоне. По мере выхода новых флагманских моделей OpenAI обещает обновлять и фоновую модель.
Компания начала раскатывать две версии — GPT‑Live‑1 и GPT‑Live‑1 mini — на iOS, Android и в веб-версии ChatGPT. GPT‑Live‑1 станет голосом по умолчанию для подписчиков Go, Plus и Pro, а GPT‑Live‑1 mini — для бесплатных пользователей. Доступ через API OpenAI планирует открыть позже.
Прежние голосовые системы работали иначе. Первая версия ChatGPT Voice связывала три отдельные модели — для распознавания речи, генерации ответа и синтеза голоса, — из-за чего ответы получались медленными и неестественными. Пришедший ей на смену Advanced Voice Mode обрабатывал звук в одной модели, но всё ещё ждал полной паузы в речи пользователя, поэтому мог перебивать не вовремя из-за фонового шума.
- По собственным тестам OpenAI, GPT‑Live‑1 заметно опережает Advanced Voice Mode на GPQA (тест на экспертные научные рассуждения) и BrowseComp (поиск труднодоступной информации в сети), а также превосходит его в задачах голосовой поддержки клиентов.
- Новая версия ChatGPT Voice научилась показывать визуальные карточки — например, прогноз погоды, котировки акций или спортивные результаты — прямо во время разговора, а также лучше отфильтровывает посторонний шум и не перебивает пользователя, если тот замолчал, чтобы подумать.
- Отдельное внимание в компании уделили безопасности: модель прошла дополнительное тестирование на аудиоданных по темам самоповреждения, психоза и эмоциональной привязанности к ИИ. Система может смягчить потенциально небезопасный ответ прямо во время разговора или завершить беседу в критических случаях, а для подростков предусмотрены дополнительные ограничения и родительский контроль.
На старте GPT‑Live не поддерживает голосовой режим с видео или демонстрацией экрана — эти функции пока остаются только в прежних версиях ChatGPT Voice. Также модель хуже справляется с некоторыми языками, где возможен акцент или пробелы в беглости речи.
Голосовой режим ChatGPT существует с сентября 2023 года, а в мае 2024-го OpenAI представила Advanced Voice Mode с более живым и естественным звучанием. О новом поколении текстовых моделей компании — GPT‑5.6 Sol, Terra и Luna — мы рассказывали в отдельном материале.