Общение в реальном времени с ИИ: OpenAI представила GPT-Live для естественных бесед

Компания OpenAI представила GPT-Live — новое поколение голосовых моделей, которое станет основой ChatGPT Voice. Благодаря новой архитектуре модель может одновременно слушать пользователя, отвечать и выполнять сложные задачи в фоновом режиме. Разработчики уже выпустили две версии модели —, GPT-Live-1 и GPT-Live-1 mini, которые впоследствии также станут доступны через API.

ИИ слушает и говорит одновременно

Главной особенностью GPT-Live стала полнодуплексная архитектура, позволяющая модели одновременно слушать и говорить. Благодаря этому она может быстро реагировать на реплики пользователя, делать паузы, не перебивать собеседника, поддерживать разговор короткими фразами вроде «угу» или «да», а также выполнять перевод в реальном времени.

Для более сложных запросов GPT-Live делегирует выполнение задач другой модели в фоновом режиме. На момент запуска для этого используется GPT-5.5, которая отвечает за веб-поиск, углублённое рассуждение и выполнение сложных агентских задач, в то время как GPT-Live продолжает поддерживать естественное течение разговора.

В компании поясняют, что новая архитектура устраняет основные недостатки предыдущих поколений голосовых моделей. Ранние системы работали как цепочка отдельных моделей для распознавания речи, генерации текста и синтеза голоса, а позже — как пошаговые модели, ожидавшие завершения реплики пользователя. В то же время GPT-Live непрерывно анализирует входящий аудиопоток и много раз в секунду решает, говорить ли, слушать, сделать паузу или воспользоваться внешними инструментами.

Визуальные дополнения

Еще одним нововведением стали визуальные ответы во время голосового общения. Если это уместно, ChatGPT может показывать интерактивные карточки с прогнозом погоды, спортивными событиями, котировками акций, картами и другой информацией. При этом ИИ продолжает поддерживать поиск, память, анализ изображений и загрузку файлов.

Результаты тестирования GPT-Live

OpenAI утверждает, что GPT-Live является самой умной голосовой моделью компании. Внутренние оценки показали, что пользователи отдавали предпочтение GPT-Live-1 и GPT-Live-1 mini перед предыдущим расширенным голосовым режимом ChatGPT в 75,7% и 69,2% случаев соответственно во время 5–10-минутных разговоров. Кроме того, модель продемонстрировала лучшие результаты в тестах GPQA на научное мышление, BrowseComp на агентский веб-поиск и τ³-Voice Telecom, который оценивает работу голосовых агентов в многоэтапных сценариях поддержки.

Безопасность GPT-Live

Новая модель прошла специализированное обучение для работы с рискованными темами, в частности с самоповреждением, психозом, манией, эмоциональной зависимостью от ИИ, насилием и сексуальным контентом. В режиме реального времени система может изменять ответ модели, предлагать пользователю дополнительные ресурсы поддержки или прерывать разговор в случаях повышенного риска. Для подростков компания внедрила дополнительные механизмы защиты и возможность родительского контроля.

GPT-Live также не может имитировать голоса реальных людей и использует только заранее определённый набор голосов, который OpenAI также обновила с выходом новых моделей.

Доступность GPT-Live

GPT-Live уже начали внедрять для пользователей ChatGPT на iOS, Android и в веб-версии ChatGPT.com. GPT-Live-1 станет стандартной голосовой моделью для подписчиков тарифных планов Go, Plus и Pro, тогда как GPT-Live-1 mini будет доступна пользователям бесплатного тарифа. На старте новая модель не поддерживает голосовые разговоры с видео или демонстрацией экрана, но OpenAI планирует добавить эти возможности позже.

В то же время OpenAI объявила о публичном запуске своей самой мощной ИИ-модели GPT-5.6, релиз которой откладывали на месяц по просьбе правительства США из-за рисков для безопасности. Администрация президента Дональда Трампа одобрила широкий выпуск ИИ-системы только после дополнительных испытаний и проверки её усовершенствованных агентских возможностей в сферах программирования, кибербезопасности и биологических исследований.