Preskočite na glavni sadržaj
OpenAI

10. septembar 2026.

ProductIzdanje

Kreiraj prirodnija glasovna iskustva s GPT‑Live‑1 u API-ju

GPT‑Live‑1 donosi prirodne, potpuno dvosmjerne razgovore iz ChatGPT‑a u API, uz veću kontrolu nad načinom na koji glasovni agenti govore i djeluju.

Učitavanje…

Uvodimo GPT‑Live‑1 u API, pružajući programerima moćan, prirodan glasovni model za izradu aplikacija s glasovnim funkcijama i poslovnih tokova rada. Prvi put predstavljen u ChatGPT‑u, GPT‑Live‑1 može istovremeno slušati i govoriti te, kao što je prikazano uz Codex i ChatGPT Work⁠(otvara se u novom prozoru), delegirati dublje rezonovanje i radnje modelima i alatima s kojima je uparen.

Za objavu GPT‑Live‑1 u API-ju usredotočili smo se na nove mogućnosti koje programerima omogućavaju da usmjeravaju i prilagođavaju glasovna iskustva svojim korisnicima, radnim procesima i ciljevima. Ključna prednost GPT‑Live‑1, neometano upravljanje prekidima, već donosi poslovni učinak: u ranim procjenama Speak je utvrdio da je GPT‑Live‑1 polaznicima dao više vremena za razmišljanje prije odgovora mentora za jezike, smanjujući prekide za gotovo 80% u odnosu na prethodne sisteme zasnovane na smjenjivanju govornika.

Ključne prednosti GPT‑Live‑1 u API-ju:

  • Upravljanje prekidima: Poboljšava upravljanje prekidima pomoću jednog modela koji istovremeno zaključuje na osnovu dolaznog i odlaznog zvuka, izbjegavajući kašnjenje i nepouzdane prijelaze ulančanih STT–LLM–TTS arhitektura.

  • Delegiranje rezonovanja i poziva alata: GPT‑Live‑1 može delegirati rezonovanje i pozive alata pozadinskom tekstualnom modelu kao što je GPT‑6 Astra ili modelu treće strane.

  • Ton, tempo i stil: Omogućava programerima da putem sistemskog upita oblikuju ton, tempo i stil razgovora agenta.

  • Tiho upravljanje kontekstom i pozadinska buka: Bolje obrađuje pozadinsku buku i tišinu bez prekidanja razgovora ili glasnog opisivanja svakog koraka.

  • Pouzdanost tokom dugih sesija: Poboljšava zadržavanje konteksta i kvalitet razgovora tokom dužih interakcija.

  • Podrška za telefoniju: Omogućava implementaciju potpuno dvosmjernih glasovnih agenata za telefonske pozive, od rezervacija u restoranima do korisničke podrške.

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.

Ovaj demo je vremenski ograničen. Korištenjem toga pristajete na uslove korištenja OpenAI-a Uslove i potvrđujete da ste upoznati s našim Pravilima privatnosti.

Pojednostavi arhitekturu svog glasovnog agenta i smanji latenciju glasa

Tradicionalni glasovni agenti povezuju pretvaranje govora u tekst, model rezonovanja i pretvaranje teksta u govor. Svaki prijelaz povećava kašnjenje i stvara više prilika za gubitak pravog trenutka, konteksta ili prirodnog ritma razgovora. Programerima često ostaje da koordiniraju te faze, uključujući ono što se dešava kada neko prekine razgovor, zastane ili promijeni smjer.

GPT‑Live‑1 objedinjuje slušanje i govor u jednom modelu, čime pojednostavljuje glasovni sloj. Može reagovati na prekide i potvrde čim se dese, istovremeno delegirajući dublje rezonovanje pozadinskom sistemu. Tako se razgovor može nastaviti dok se posao odvija u pozadini.

“U poređenju s našim kaskadnim rješenjem, GPT‑Live‑1 je pojednostavio našu bazu koda za 80% i uklonio 23.000 redova koda. To je omogućilo prirodne razgovore s pacijentima u stvarnom vremenu i oslobodilo naš tim da unaprijedi iskustvo od zakazivanja termina do snalaženja u sistemu zdravstvene zaštite.”
— Tony Stoyanov, suosnivač i glavni tehnološki direktor, EliseAI

Programeri biraju modele, alate i harness agenta koji stoje iza razgovora. Naprimjer, mogu upariti GPT‑Live‑1 s modelom poput Lune za zadatke velikog obima, kao što su zakazivanje ili ažuriranje narudžbi, a model poput Astre koristiti za složene probleme korisnika koji zahtijevaju rezonovanje. Ta fleksibilnost omogućava programerima da dubinu rezonovanja, brzinu i troškove prilagode svakom zadatku.

GPT‑Live‑1 izvorno pruža ASR transkripte i tekst odgovora. Također nudi napredno razumijevanje alfanumeričkih podataka i podržava davanje prednosti ključnim riječima. Iako GPT‑Live‑1 nije model zasnovan na smjenjivanju govornika, izvorno podržava otkrivanje smjene, pa programeri i dalje mogu graditi sisteme oko izričitih granica između smjena.

Mjerenje prednosti potpuno dvosmjerne komunikacije

U našim procjenama GPT‑Live‑1 poboljšava performanse na testu Full Duplex Bench za 30 procentnih poena u odnosu na GPT‑Realtime‑2.1, uz značajna poboljšanja kašnjenja pri smjenjivanju sagovornika i interaktivnog ponašanja. Uparen s modelom GPT‑6 Astra uz srednji nivo rezonovanja, također zauzima 1. mjesto na testu Tau3, koji mjeri graničnu inteligenciju glasovnih agenata na cjelovitim zadacima.

Procjenjuje govorne zadatke korisničke službe u domenama avio-kompanija, maloprodaje i telekomunikacija. Pass@1 mjeri uspješnost zadatka; naslov svakoj domeni daje jednaku težinu.


* GPT Live pozadinski sistem: Astra (srednja).

Evaluira govornu podršku za bankarstvo uz dohvat znanja i alate za račune. Pass@1 je udio od 97 uspješno završenih zadataka banking_knowledge.


* GPT Live pozadinski sistem: Astra (srednja).

Procjenjuje upravljanje pauzama, smjenjivanje u razgovoru, prekide i povratne signale.

Testira reakcije na pozadinski govor, govor upućen drugoj osobi, povratne signale slušaoca i prekide.

Mjeri koliko brzo agent počinje svoj odgovor nakon što korisnik završi s govorom.

Testira korištenje alata na osnovu govornih zahtjeva koji sadrže prirodne pauze, oklijevanja i samoispravke. Prolaz@1 ocjenjuje slijed poziva alata.


* GPT Live backend: Terra (niska).

Procjenjuje izgovoreni odgovor na zahtjeve koji koriste alate i sadrže pauze, oklijevanja i samoispravke. Ocjenjuje koliko se odgovor podudara s referentnom namjerom.


* GPT Live backend: Terra (niska).

Šta kažu korisnici

1 od 4
“Dodavanje modela GPT‑Live‑1 u Yelp Host i Hatch poboljšalo je smjenjivanje govornika i preciznost u odnosu na našu tradicionalnu glasovnu arhitekturu. Kada Yelp Host koristi GPT‑Live‑1 za odgovaranje na pozive, poput rezervacija i naručivanja hrane, bilježimo značajna poboljšanja stope uspješno obrađenih poziva. Pozivatelji također govore potpunijim i prirodnijim rečenicama, što nam pokazuje da iskustvo s druge strane telefonske linije zaista djeluje drugačije.”
—Alex Levy, glavni tehnološki direktor

Nove glasovne opcije

Programerima su potrebni glasovi koji odgovaraju njihovom proizvodu i zvuče prirodno njegovim korisnicima. Uz GPT‑Live‑1 prelazimo s malog skupa glasova u stvarnom vremenu na širi izbor naglasaka, dijalekata i jezika, pružajući programerima više mogućnosti da odaberu kako će njihovi asistenti zvučati.

Poslušaj nove glasove

U narednim mjesecima nastavit ćemo širiti izbor glasova i dostupnost jezika.

Cijene i dostupnost

GPT‑Live‑1 je od danas dostupan u API-ju⁠(otvara se u novom prozoru) po cijeni od 0,05 USD po minuti za glasovni sloj korisničkog interfejsa. Uparite ga s pozadinskim model i harnessom agent koji odgovaraju vašem proizvodu, a zatim izgradite glasovno iskustvo koje se može prilagođavati obimu zadataka.

Povezivanje GPT-Live-1 s Codexom

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
}

Povezivanje GPT-Live-1 s Codex. Ovaj izvadak pokazuje kako aplikacija prosljeđuje kontekst razgovora Codexu i vraća njegov odgovor GPT-Live-1-u. Postavljanje veze i rukovanje delegiranjem su izostavljeni.

Za pristup prilagođenim glasovima obrati se prodajnom timu da saznaš više o uslovima i postupku podnošenja zahtjeva.

Još jedan način za izgradnju glasovnih tokova rada zasnovanih na GPT‑Live‑1 jeste OpenAI Presence, koji koristi model za pokretanje glasovnih interakcija u stvarnom vremenu. Presence pomaže preduzećima da uvedu pouzdane AI agente koji mogu odgovarati na pitanja, rješavati probleme, koristiti sisteme kompanije, poduzimati odobrene radnje i po potrebi eskalirati slučajeve ljudima. Za više informacija obratite se svom direktoru OpenAI računa.

Autor

OpenAI

Nastavite čitati

Prikažite sve
Helping teens learn, plan, and shape the future of AI — Cover
Pomoć tinejdžerima da uče, planiraju i oblikuju budućnost AI-ja

Product

GPT-6 i Inteligentni interfejs za sve

Product

Building advertising for the way people use AI — Cover
Razvijamo oglašavanje prema načinu na koji ljudi koriste umjetnu inteligenciju

Product