если вы попросите его. Он также будет реагировать на ваши слова.
OpenAI представляет голосовые модели GPT-Live-1 и GPT-Live-1 mini: новый этап в развитии голосового интерфейса ChatGPT
Компания OpenAI объявила о запуске двух новых голосовых моделей — GPT-Live-1 и GPT-Live-1 mini, которые значительно расширяют функциональность голосового режима ChatGPT. Данное обновление является логическим продолжением внедрения Advanced Voice Mode, состоявшегося летом 2024 года. На момент выхода этот режим демонстрировал впечатляющие результаты и воспринимался как существенный шаг вперед по сравнению с традиционными голосовыми ассистентами, такими как Siri и Alexa. Однако со временем его ограничения стали более очевидными.
Ключевое отличие: от «turn-based» к дуплексной архитектуре
Advanced Voice Mode использовал архитектуру «turn-based» (поочередного взаимодействия), при которой модель ожидала завершения речи пользователя, прежде чем начать собственный ответ. Это приводило к неестественным паузам и прерываниям. Кроме того, модель ошибочно интерпретировала короткие паузы как сигнал к завершению запроса, что вызывало неловкие перебивания.
Новые модели GPT-Live-1 и GPT-Live-1 mini построены на дуплексной архитектуре, позволяющей одновременно обрабатывать входящий аудиопоток и генерировать ответ. Как поясняют в OpenAI, это обеспечивает более естественный диалог, улучшенное восприятие временных интервалов и возможность выполнения синхронного перевода в реальном времени.
Делегирование задач и многомодельная интеграция
GPT-Live-1 способен делегировать сложные задачи другим моделям OpenAI, включая GPT-5.5. Если система определяет, что запрос требует аналитического рассуждения, поиска в интернете или выполнения агентных функций, она передает эти задачи в фоновый режим, не прерывая текущий диалог с пользователем.
Улучшенный пользовательский опыт
Пользователи могут прерывать модель в любой момент, а также запрашивать замедление темпа речи. Система использует вербальные подтверждения («м-м-м», «понял»), сигнализируя о внимании к речи собеседника. OpenAI также улучшила способность моделей фокусироваться в условиях фонового шума.
Новые визуальные возможности
ChatGPT Voice теперь может генерировать визуальные элементы в формате виджетов для отображения информации о погоде, спортивных событиях, котировках акций и других данных. Функция поддерживает загрузку изображений и файлов, а также поиск в интернете.
Обновленные механизмы безопасности
OpenAI внедрила новые протоколы безопасности. При обнаружении потенциально небезопасного контента система может перенаправить модель на более безопасный ответ, вывести предупреждение или, в критических случаях, завершить голосовой диалог. Родители и опекуны могут использовать родительский контроль для отключения голосового режима для подростков. Если система фиксирует попытки обсуждения тем, связанных с самоповреждением, родитель получает уведомление.
Доступность и тарифные планы
Развертывание GPT-Live на платформах Android, iOS и в веб-версии начинается сегодня. Пользователи подписок Go, Plus и Pro по умолчанию получат доступ к GPT-Live-1. Владельцы бесплатных аккаунтов будут использовать компактную версию GPT-Live-1 mini.
