Голосовая модель GPT-Live-1 вышла в API: 5 центов за минуту и поддержка звонков
OpenAI открыла в API голосовую модель GPT-Live-1. Она слушает и говорит одновременно, а сложные задачи передаёт другим моделям, например GPT-6 Astra. Минута голосового слоя стоит 0,05 доллара.
Разработчики теперь могут встраивать в свои приложения голосовую модель GPT-Live-1. Раньше она работала только в ChatGPT. Модель слушает и говорит одновременно, поэтому её можно перебить на полуслове, как живого собеседника. Минута разговора стоит 0,05 доллара, но эта цена покрывает только голосовой слой. Модель, которая думает над ответом, оплачивается отдельно.
Обычный голосовой агент собирают из трёх частей. Первая переводит речь в текст, вторая придумывает ответ, третья его озвучивает. На каждой передаче теряется время, а разработчику приходится решать, что делать, если человек перебил собеседника или замолчал. GPT-Live-1 делает всю голосовую часть в одной модели. Серьёзные рассуждения и вызовы инструментов она передаёт другой модели, а разговор тем временем продолжается. Для простых задач вроде записи на приём OpenAI предлагает брать Luna, для сложных обращений клиентов — GPT-6 Astra. Можно подключить и модель стороннего разработчика.
Тон, темп и манеру речи агента задают в системном запросе. OpenAI обещает, что модель лучше справляется с фоновым шумом и тишиной и дольше держит контекст в длинных разговорах. Её можно подключить к телефонии и поручить ей бронировать столики или отвечать клиентам. Кроме того, модель сразу выдаёт расшифровку речи и текст своих ответов.
Компания приводит и цифры. На тесте Full-Duplex-Bench GPT-Live-1 набрала на 30 процентных пунктов больше, чем прежняя GPT-Realtime-2.1. В паре с GPT-6 Astra она заняла первое место на τ³-bench. Там проверяют, как голосовой агент доводит задачу до конца. Сервис для изучения языков Speak заметил другое: с новой моделью ученикам остаётся больше времени подумать, и репетитор перебивает их почти на 80% реже.
Выбор голосов стал шире: появились разные акценты, диалекты и языки. OpenAI обещает добавлять новые в ближайшие месяцы. Собственный голос можно получить только после заявки в отдел продаж. Условия, при которых её одобряют, компания не раскрыла. Для крупных компаний есть готовый продукт OpenAI Presence. Это агент на базе GPT-Live-1, который отвечает клиентам, работает с системами компании, выполняет одобренные действия и при необходимости переключает разговор на человека.