OpenAI открыла всем разработчикам исходящие звонки голосовых агентов на GPT-Live

Голосовой агент, которого разработчик построил на модели GPT-Live, может сам позвонить на телефонный номер через любого оператора SIP-телефонии, например Telnyx¹ или Twilio². OpenAI перевела исходящие звонки в общий доступ, а президент компании Грег Брокман переслал анонс в соцсети X с подписью «GPT-Live для исходящих звонков».

Почему это важно: сам звонить агент на GPT-Live умел и раньше, но по прежней версии документации эту возможность нужно было отдельно включать для каждой организации. Теперь исходящие звонки через Live API открыты всем организациям.

Предыстория: GPT-Live-1 вышла в API 10 сентября как модель для телефонных агентов. Она сама слышит собеседника и отвечает ему голосом, без цепочки из распознавания речи, текстовой модели и синтеза, а сложные рассуждения и вызовы инструментов передаёт текстовой модели, например GPT-6 Astra. В октябре компания дала разработчикам создавать для неё голоса по текстовому описанию.

Как это работает: сервер разработчика открывает в Live API сессию для разговора и передаёт номер и настройки своего SIP-транка. Это услуга оператора, которая соединяет интернет-телефонию с обычной телефонной сетью. Оператор дозванивается до абонента, а GPT-Live ведёт разговор. Ответ API ещё не значит, что трубку сняли: ход вызова, расшифровку разговора и задания от модели сервер получает по отдельному каналу, пока звук идёт через SIP. Подключиться к этому каналу нужно сразу, потому что пропущенные события он повторяет только за последние 3 секунды.

Детали: звук в звонках может идти в качестве HD Voice, то есть чётче, чем на обычной телефонной линии. Во время разговора сервер может управлять звонком, причём и исходящим, и входящим:

• Отправлять тональные сигналы клавиш (DTMF), например чтобы пройти голосовое меню, и узнавать, какие кнопки нажал собеседник.
• Перевести звонок на другой телефонный номер или SIP-адрес.
• Положить трубку.

Но: телефон может звонить не дольше 3 минут, а соединённый разговор длится не больше 2 часов. Поменять эти лимиты в запросе нельзя. Оператор должен шифровать и служебные сигналы, и сам звук (TLS и SRTP). Исходящие звонки идут только через Live API, а не через прежний Realtime API.