ወደ ዋና ይዘት እለፍ
OpenAI

10 ሴፕቴምበር 2026

ምርትልቀት

በAPI ውስጥ GPT‑Live‑1ን በመጠቀም ይበልጥ ተፈጥሯዊ የድምፅ ተሞክሮዎችን ይገንቡ

GPT‑Live‑1 የChatGPTን ተፈጥሯዊ፣ በሁለቱም አቅጣጫዎች በአንድ ጊዜ የሚካሄዱ ውይይቶች ወደ API ያመጣል፤ በተጨማሪም የድምፅ ወኪሎች እንዴት እንደሚናገሩና እንደሚሠሩ ላይ የበለጠ ቁጥጥር ይሰጣል።

በመጫን ላይ…

GPT‑Live‑1ን በAPI ውስጥ እያስጀመርን ነው፤ ይህም ገንቢዎች በድምፅ የሚሠሩ መተግበሪያዎችንና የንግድ የሥራ ፍሰቶችን እንዲገነቡ ኃይለኛና ተፈጥሯዊ የድምፅ ሞዴል ይሰጣቸዋል። መጀመሪያ በChatGPT የቀረበ GPT‑Live‑1፣ በአንድ ጊዜ ማዳመጥና መናገር ይችላል፤ እንዲሁም በCodex እና ChatGPT Work ላይ እንደታየው⁠(በአዲስ መስኮት ውስጥ ይክፈታል)፣ ጥልቅ ማመዛዘንንና ድርጊቶችን ከእሱ ጋር ለተጣመሩ ሞዴሎችና መሣሪያዎች እንዲያከናውኑ ሊመድብ ይችላል።

GPT‑Live‑1ን በAPI ስናቀርብ፣ ገንቢዎች የድምፅ ተሞክሮዎችን በተጠቃሚዎቻቸው፣ በሥራ ፍሰቶቻቸውና በግቦቻቸው ዙሪያ እንዲመሩና እንዲያበጁ በሚያስችሉ አዳዲስ ችሎታዎች ላይ አተኩረናል። ከGPT‑Live‑1 ዋና ጥንካሬዎች አንዱ የሆነው ለማቋረጦች ለስላሳ ምላሽ መስጠት አስቀድሞ የንግድ ተፅዕኖ እያመጣ ነው፤ በቀደምት ግምገማዎች፣ Speak እንዳገኘው፣ GPT‑Live‑1 የቋንቋ አስጠኚው ምላሽ ከመስጠቱ በፊት ተማሪዎች እንዲያስቡ የበለጠ ጊዜ ሰጥቷቸዋል፣ ከቀደሙት ተራ-ተኮር ሥርዓቶች ጋር ሲነጻጸርም ማቋረጦችን በ80% ገደማ ቀንሷል።

በAPI ውስጥ የGPT‑Live‑1 ዋና ጠንካራ ጎኖች፦

  • የማቋረጥ አያያዝ፦ የሚገባውንና የሚወጣውን ድምፅ በጋራ በሚያመዛዝን አንድ ሞዴል አማካኝነት የማቋረጥ አያያዝን ያሻሽላል፤ በዚህም በተከታታይ የተያያዙ የSTT–LLM–TTS አወቃቀሮች የሚያስከትሉትን መዘግየትና በቀላሉ የሚበላሹ ርክክቦችን ያስወግዳል።

  • የማመዛዘን እና የመሣሪያ ጥሪ ውክልና፦ GPT‑Live‑1 ማመዛዘንን እና የመሣሪያ ጥሪዎችን እንደ GPT‑6 Astra ላለ የጀርባ ጽሑፍ ሞዴል ወይም ለሦስተኛ ወገን ሞዴል ሊወክል ይችላል።

  • ቃና፣ ፍጥነት እና የውይይት ዘይቤ፦ ገንቢዎች በሥርዓት እርምጃ አማካኝነት የወኪሉን ቃና፣ ፍጥነት እና የውይይት ዘይቤ እንዲቀርጹ ያስችላል።

  • ጸጥተኛ የአውድ አስተዳደር & የጀርባ ድምፅ፦ ውይይቱን ሳያቋርጥ ወይም እያንዳንዱን ደረጃ ጮክ ብሎ ሳይተርክ፣ የጀርባ ድምፅንና ዝምታን በተሻለ ሁኔታ ይቆጣጠራል።

  • የረጅም ክፍለ ጊዜ አስተማማኝነት፦ በተራዘሙ መስተጋብሮች ውስጥ የአውድ ማቆየትንና የውይይት ጥራትን ያሻሽላል።

  • የስልክ ድጋፍ፦ ከምግብ ቤት ቦታ ማስያዝ እስከ ደንበኛ ድጋፍ ድረስ፣ ለስልክ ጥሪዎች ባለሙሉ-ዱፕሌክስ የድምፅ ወኪሎችን ማሰማራት ያስችላል።

Try GPT-Live-1

Start a session and speak naturally. Interrupt, laugh, change your mind - try it at home or in a loud space like a coffee shop or city street.
See what it can do
  • Talk over it—naturally. Ask for help, then interrupt mid-response to change the question or add detail.
  • Take it with you. Try a conversation while walking outside or with everyday background noise, and see how it stays with you.
  • Make it playful. Laugh, hesitate, use short acknowledgments, or briefly talk to someone nearby—then continue the conversation.

ይህ ማሳያ በጊዜ-የተገደበ ነው። ይህን በመጠቀምዎ፣ በOpenAI የአጠቃቀም ደንቦች ይስማማሉ እንዲሁም የኛን የግላዊነት ፖሊሲ መገንዘብዎን ያሳያሉ።

የድምፅ ወኪል አወቃቀርዎን ያቀልሉ እና የድምፅ መዘግየትን ይቀንሱ

ባህላዊ የድምፅ ወኪሎች ንግግር-ወደ-ጽሑፍ፣ የማመዛዘን ሞዴልና ጽሑፍ-ወደ-ንግግርን አገናኝተው ይጠቀማሉ። እያንዳንዱ ርክክብ መዘግየትን ይጨምራል፤ የጊዜ አጠባበቅ፣ አውድ ወይም የውይይቱ ተፈጥሯዊ ምት እንዲጠፋም ተጨማሪ ዕድል ይፈጥራል። ብዙውን ጊዜ እነዚህን ደረጃዎች የማስተባበር ኃላፊነት የሚቀረው ለገንቢዎች ነው፤ ይህም አንድ ሰው ሲያቋርጥ፣ ቆም ሲል ወይም አቅጣጫ ሲቀይር የሚከሰተውን ያካትታል።

GPT‑Live‑1 ማዳመጥንና መናገርን በአንድ ሞዴል ያስተናግዳል፤ ይህም የድምፅ ንብርብሩን ያቀላል። ጥልቅ ማመዛዘንን ለባክኤንድ በመስጠት፣ ለማቋረጦችና ማረጋገጫዎች በሚከሰቱበት ቅጽበት ምላሽ መስጠት ይችላል። ይህም ሥራው በዳራ እየተከናወነ ውይይቱ እንዲቀጥል ያስችላል።

“ከተከታታይ ግንባታችን ጋር ሲነጻጸር፣ GPT‑Live‑1 የኮድ መሠረታችንን በ80% ቀላል አድርጎ 23K የኮድ መስመሮችን አስወግዷል። ይህም ተፈጥሯዊ፣ የቀጥታ የታካሚ ውይይቶችን አስችሎናል & ቡድናችን ከቀጠሮ ማስያዝ እስከ ሕክምና መመሪያ ማግኘት ያለውን ተሞክሮ እንዲያሻሽል ጊዜ ሰጥቶታል።”
—Tony Stoyanov፣ ተባባሪ መስራች እና CTO

ገንቢዎች ከውይይቱ በስተጀርባ ያሉትን ሞዴሎች፣ መሣሪያዎችና የወኪል መደበቂያ ይመርጣሉ። ለምሳሌ፣ GPT‑Live‑1ን እንደ ቀጠሮ ማስያዝ ወይም የትዕዛዝ ማሻሻያ ላሉ ከፍተኛ መጠን ያላቸው ተግባራት እንደ Luna ካለ ሞዴል ጋር ሊያጣምሩት ይችላሉ፤ ማመዛዘን ለሚፈልጉ ውስብስብ የደንበኛ ጉዳዮች ደግሞ እንደ Astra ያለ ሞዴል ሊጠቀሙ ይችላሉ። ይህ ተለዋዋጭነት ገንቢዎች የማመዛዘን ጥልቀትን፣ ፍጥነትንና ወጪን ከእያንዳንዱ ተግባር ጋር እንዲያመሳስሉ ያስችላቸዋል።

GPT‑Live‑1 የASR ግልባጮችንና የምላሽ ጽሑፍን በተፈጥሮ ያቀርባል። እንዲሁም ጠንካራ የፊደልና ቁጥር ግንዛቤ ያቀርባል፣ ለቁልፍ ቃላት ቅድሚያ መስጠትንም ይደግፋል። GPT‑Live‑1 በየተራ-መናገር ላይ የተመሠረተ ሞዴል ባይሆንም፣ ተራን መለየትን በተፈጥሮ ይደግፋል፤ በመሆኑም ገንቢዎች ግልጽ በሆኑ የተራ ድንበሮች ዙሪያ መገንባታቸውን መቀጠል ይችላሉ።

የሙሉ-ዱፕሌክስን ጥቅም መለካት

በግምገማዎቻችን በሙሉ፣ GPT‑Live‑1 የሙሉ ዱፕሌክስ መለኪያ አፈጻጸምን ከGPT‑Realtime‑2.1 በ30 መቶኛ ነጥቦች ያሻሽላል፣ በተራ መጠባበቅ መዘግየትና በይነገናኝ ባህሪ ላይ ከፍተኛ መሻሻሎች በማሳየት። ከGPT‑6 Astra ጋር በመካከለኛ የማመዛዘን ጥረት ሲጣመር፣ ከጫፍ እስከ ጫፍ ተግባራት ላይ የግንባር ቀደም የድምፅ ወኪል አስተውሎትን በሚለካው Tau3 ላይም #1 ደረጃን ይይዛል።

በአየር መንገድ፣ በችርቻሮ እና በቴሌኮም ዘርፎች ውስጥ በድምፅ የሚከናወኑ የደንበኛ አገልግሎት ተግባራትን ይገመግማል። Pass@1 የተግባር ስኬትን ይለካል፤ ዋናው አርእስት ለእያንዳንዱ ዘርፍ እኩል ክብደት ይሰጣል።


* GPT Live ባክኤንድ፦ Astra (መካከለኛ)።

በእውቀት ማግኛ እና በመለያ መሣሪያዎች የሚደገፍ የሚነገር የባንክ ድጋፍን ይገመግማል። Pass@1 በተሳካ ሁኔታ የተጠናቀቁ 97 banking_knowledge ተግባራት ድርሻ ነው።


* GPT Live ባክኤንድ፦ Astra (መካከለኛ)።

የእረፍት አያያዝን፣ በውይይት ውስጥ ተራ መቀያየርን፣ መቋረጦችን እና የማበረታቻ ምላሾችን ይገመግማል።

ለዳራ ንግግር፣ ለሌላ ሰው የሚደረግ ንግግር፣ የአድማጭ የምላሽ ምልክቶች እና ማቋረጦች የሚሰጡ ምላሾችን ይፈትሻል።

ተጠቃሚው ተራውን ከጨረሰ በኋላ ወኪሉ ምላሹን በምን ያህል ፍጥነት እንደሚጀምር ይለካል።

ተፈጥሯዊ ማቆሚያዎችን፣ ማመንታቶችን እና ራስ-እርማቶችን የያዙ በንግግር የቀረቡ ጥያቄዎች ውስጥ የመሣሪያ አጠቃቀምን ይፈትናል። Pass@1 የመሣሪያ-ጥሪ ቅደም ተከተሉን ይመዝናል።


* የGPT Live ባክኤንድ፦ Terra (ዝቅተኛ)።

ቆምታዎችን፣ ማመንታቶችን እና ራስ-እርማቶችን የያዙ መሣሪያ የሚጠቀሙ ጥያቄዎች የተነገሩ መልሶችን ይገመግማል። መልሱ ከማጣቀሻው ዓላማ ጋር ምን ያህል እንደሚዛመድ ነጥብ ይሰጣል።


* የGPT Live ባክኤንድ፦ Terra (ዝቅተኛ)።

ደንበኞች ምን እያሉ ነው

1 ከ 4
“GPT‑Live‑1ን ወደ Yelp Host እና Hatch ማካተታችን፣ ከባህላዊው የድምፅ አወቃቀራችን ጋር ሲነጻጸር ተራ መቀባበልን እና ትክክለኛነትን አሻሽሏል። Yelp Host እንደ ቦታ ማስያዝና የምግብ ትዕዛዝ ያሉ ጥሪዎችን በGPT‑Live‑1 ሲመልስ፣ በጥሪ አያያዝ መጠን ላይ ጉልህ መሻሻሎችን እያየን ነው። ደዋዮችም የተሟሉና ይበልጥ ተፈጥሯዊ ዓረፍተ ነገሮችን እየተናገሩ ነው፤ ይህም በስልኩ ሌላኛው ጫፍ ያለው ተሞክሮ በእውነት የተለየ እንደሆነ ያሳየናል።”
—Alex Levy፣ ዋና የቴክኖሎጂ ኦፊሰር

አዳዲስ የድምፅ አማራጮች

ገንቢዎች ለምርታቸው የሚስማሙና ለተጠቃሚዎች ተፈጥሯዊ የሚመስሉ ድምፆች ያስፈልጓቸዋል። በGPT‑Live‑1፣ ከጥቂት የቀጥታ ድምፆች ወደ ሰፊ የአነጋገር ዘዬ፣ የአካባቢ ቋንቋና የቋንቋ ምርጫ በማስፋት፣ ገንቢዎች ረዳቶቻቸው እንዴት እንደሚሰሙ የበለጠ ምርጫ እንዲኖራቸው እያደረግን ነው።

አዲሶቹን ድምፆች ያዳምጡ

በሚቀጥሉት ወራት የድምፅ አማራጮችንና የቋንቋ ተደራሽነትን ማስፋታችንን እንቀጥላለን።

ዋጋ & ተደራሽነት

GPT‑Live‑1 ለፍሮንትኤንድ የድምፅ ንብርብሩ በደቂቃ $0.05 ዋጋ ዛሬ በAPI ይገኛል⁠(በአዲስ መስኮት ውስጥ ይክፈታል)። ከምርትዎ ጋር የሚስማማውን ባክኤንድ ሞዴልና የወኪል ማሠሪያ ጋር ያጣምሩት፤ ከሚያከናውነው ሥራ መጠን ጋር ሊያድግ የሚችል የድምፅ ተሞክሮም ይገንቡ።

GPT-Live-1ን ከCodex ጋር ማገናኘት

1
import { Codex } from "@openai/codex-sdk";
2

3
const thread = new Codex().startThread({
4
  workingDirectory: "./repo",
5
  sandboxMode: "read-only",
6
  approvalPolicy: "never",
7
});
8

9
async function answer(live, delegationId, context) {
10
  const { finalResponse } = await thread.run(
11
    `Answer the latest question using this repo.
12
     Reply in two short spoken sentences.\n${context}`
13
  );
14

15
  live.send({
16
    type: "session.commentary.append",
17
    delegation_id: delegationId,
18
    content: finalResponse,
19
  });
20
}

GPT-Live-1ን ከCodex ጋር ማገናኘት። ይህ ቅንጭብ አንድ መተግበሪያ የውይይት አውድን ወደ Codex እንዴት እንደሚያስተላልፍ እና መልሱን ወደ GPT-Live-1 እንደሚመልስ ያሳያል። የግንኙነት ማዋቀር እና የውክልና አያያዝ አልተካተቱም።

ብጁ ድምፅ ማግኘት ስለሚቻልበት፣ ስለ ብቁነት እና ስለ ጥያቄ ሂደቱ ተጨማሪ ለማወቅ የሽያጭ ቡድኑን ያነጋግሩ።

በGPT‑Live‑1 ላይ የድምፅ የሥራ ፍሰቶችን የሚገነቡበት ሌላ መንገድ፣ ሞዴሉን በመጠቀም ቅጽበታዊ የድምፅ መስተጋብሮችን በሚያስችለው OpenAI Presence አማካኝነት ነው። Presence ድርጅቶች ጥያቄዎችን ሊመልሱ፣ ችግሮችን ሊፈቱ፣ የኩባንያ ሥርዓቶችን ሊጠቀሙ፣ የተፈቀዱ እርምጃዎችን ሊወስዱ እና ሲያስፈልግ ጉዳዩን ወደ ሰዎች ሊያስተላልፉ የሚችሉ የታመኑ የሰው ሠራሽ አስተውሎት (AI) ወኪሎችን እንዲያሰማሩ ይረዳል። ተጨማሪ ለማወቅ የOpenAI የመለያ ዳይሬክተርዎን ያነጋግሩ።

ደራሲ

OpenAI

ማንበብዎን ይቀጥሉ

ሁሉንም ይመልከቱ
Helping teens learn, plan, and shape the future of AI — Cover
ታዳጊዎች እንዲማሩ፣ እንዲያቅዱና የAIን የወደፊት አቅጣጫ እንዲቀርጹ መርዳት

ምርት

GPT-6 እና ብልህ የተጠቃሚ በይነገጽ ለሁሉም

ምርት

Building advertising for the way people use AI — Cover
ሰዎች AIን ከሚጠቀሙበት መንገድ ጋር የሚስማማ ማስታወቂያ መገንባት

ምርት