“Живе” спілкування з ШІ: OpenAI представила GPT-Live для природних розмов

Компанія OpenAI представила GPT-Live — нове покоління голосових моделей, яке стане основою ChatGPT Voice. Завдяки новій архітектурі модель може одночасно слухати користувача, відповідати й виконувати складні завдання у фоновому режимі. Розробники вже випустили дві версії моделі — GPT-Live-1 і GPT-Live-1 mini, які згодом також стануть доступними через API.

ШІ слухає та говорить одночасно

Головною особливістю GPT-Live стала повнодуплексна архітектура, що дозволяє моделі одночасно слухати й говорити. Завдяки цьому вона може швидко реагувати на репліки користувача, робити паузи, не перебивати співрозмовника, підтримувати розмову короткими фразами на кшталт “угу” чи “так”, а також виконувати переклад у реальному часі.

Для складніших запитів GPT-Live делегує виконання завдань іншій моделі у фоновому режимі. На момент запуску для цього використовується GPT-5.5, яка відповідає за вебпошук, поглиблене міркування та виконання складних агентних завдань, тоді як GPT-Live продовжує підтримувати природний перебіг розмови.

У компанії пояснюють, що нова архітектура усуває головні недоліки попередніх поколінь голосових моделей. Ранні системи працювали як ланцюг окремих моделей для розпізнавання мовлення, генерації тексту та синтезу голосу, а пізніше — як покрокові моделі, що чекали завершення репліки користувача. Водночас GPT-Live безперервно аналізує вхідний аудіопотік і багато разів на секунду вирішує, чи говорити, слухати, зробити паузу або скористатися зовнішніми інструментами.

Візуальні доповнення

Ще одним нововведенням стали візуальні відповіді під час голосового спілкування. Якщо це доречно, ChatGPT може показувати інтерактивні картки з прогнозом погоди, спортивними подіями, котируваннями акцій, картами та іншою інформацією. При цьому ШІ продовжує підтримувати пошук, пам'ять, аналіз зображень і завантаження файлів.

Результати тестувань GPT-Live

OpenAI стверджує, що GPT-Live є найрозумнішою голосовою моделлю компанії. Внутрішні оцінювання показали, що користувачі віддавали перевагу GPT-Live-1 і GPT-Live-1 mini над попереднім розширеним голосовим режимом ChatGPT у 75,7% і 69,2% випадків відповідно під час 5–10-хвилинних розмов. Крім того, модель продемонструвала кращі результати в тестах GPQA на наукове міркування, BrowseComp на агентний вебпошук і τ³-Voice Telecom, який оцінює роботу голосових агентів у багатокрокових сценаріях підтримки.

Безпека GPT-Live

Нова модель отримала спеціалізоване навчання для роботи з ризикованими темами, зокрема самоушкодженням, психозом, манією, емоційною залежністю від ШІ, насильством і сексуальним контентом. У режимі реального часу система може змінювати відповідь моделі, показувати користувачеві додаткові ресурси підтримки або завершувати розмову у випадках підвищеного ризику. Для підлітків компанія впровадила додаткові механізми захисту та можливість батьківського контролю. 

GPT-Live також не може імітувати голоси реальних людей і використовує лише заздалегідь визначений набір голосів, який OpenAI також оновила з виходом нових моделей.

Доступність GPT-Live

GPT-Live уже почали розгортати для користувачів ChatGPT на iOS, Android і вебверсії ChatGPT.com. GPT-Live-1 стане стандартною голосовою моделлю для передплатників Go, Plus і Pro, тоді як GPT-Live-1 mini буде доступна користувачам безплатного тарифу. На старті нова модель не підтримує голосові розмови з відео або демонстрацією екрана, але OpenAI планує додати ці можливості пізніше.

Водночас OpenAI оголосила про публічний запуск своєї найпотужнішої ШІ-моделі GPT-5.6, реліз якої відкладали на місяць на прохання уряду США через безпекові ризики. Адміністрація президента Дональда Трампа погодила широкий випуск ШІ-системи лише після додаткових випробувань та перевірки її покращених агентних можливостей у сферах програмування, кібербезпеки й біологічних досліджень.