Spouštíme GPT‑Live‑1 v API a dáváme vývojářům výkonný, přirozený hlasový model pro vytváření hlasových aplikací a firemních pracovních postupů. Model GPT‑Live‑1, poprvé představený v ChatGPT, dokáže současně poslouchat i mluvit a, jak je vidět u Codexu a ChatGPT Work(otevře se v novém okně), může delegovat hlubší uvažování a úkony na modely a nástroje, se kterými je propojen.
Při uvedení GPT‑Live‑1 v API jsme se zaměřili na nové funkce, které vývojářům umožňují řídit a přizpůsobovat hlasová prostředí uživatelům, pracovním postupům a cílům. Klíčová přednost GPT‑Live‑1, plynulé zvládání přerušení, už má obchodní dopad: u aplikace Speak se při prvních hodnoceních ukázalo, že GPT‑Live‑1 poskytl studentům více času na přemýšlení, než lektor jazyků odpověděl, a oproti předchozím systémům založeným na střídání replik snížil počet přerušení téměř o 80 %.
Klíčové silné stránky GPT‑Live‑1 v API:
Zpracování přerušení: Zlepšuje zpracování přerušení pomocí jediného modelu, který společně vyhodnocuje příchozí i odchozí zvuk, čímž se vyhýbá prodlevám a nespolehlivému předávání mezi součástmi řetězených architektur STT–LLM–TTS.
Delegování uvažování a volání nástrojů: GPT‑Live‑1 může delegovat uvažování a volání nástrojů na backendový textový model, jako je GPT‑6 Astra, nebo model třetí strany.
Tón, tempo a styl: umožňuje vývojářům prostřednictvím systémového promptu utvářet tón, tempo a konverzační styl agenta.
Tichá správa kontextu a hluk na pozadí: Lépe zpracovává hluk na pozadí a ticho, aniž by přerušoval konverzaci nebo nahlas popisoval každý krok.
Spolehlivost při dlouhých relacích: Zlepšuje uchování kontextu a kvalitu konverzace během delších interakcí.
Podpora telefonie: Umožňuje nasadit plně duplexní hlasové agenty pro telefonní hovory, od rezervací v restauracích až po zákaznickou podporu.
Try GPT-Live-1
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.
Tato ukázka je časově omezená. Používáním souhlasíš s podmínkami společnosti OpenAI a bereš na vědomí naše zásady ochrany soukromí.
Tradiční hlasoví agenti propojují převod řeči na text, model s uvažováním a převod textu na řeč. Každé předání zvyšuje prodlevu a riziko ztráty správného načasování, kontextu či přirozeného rytmu konverzace. Koordinace těchto fází často zůstává na vývojářích, včetně řešení situací, kdy někdo skočí do řeči, odmlčí se nebo změní směřování konverzace.
GPT‑Live‑1 zpracovává poslech i mluvení v jediném modelu a zjednodušuje tak hlasovou vrstvu. Dokáže okamžitě reagovat na přerušení a potvrzení a zároveň delegovat hlubší uvažování na backend. Konverzace tak může pokračovat, zatímco na pozadí probíhá další práce.
Vývojáři volí modely, nástroje a harness agenta, které stojí za konverzací. Mohou například spojit GPT‑Live‑1 s modelem, jako je Luna, pro velkoobjemové úlohy, například plánování či aktualizace objednávek, a pro složité problémy zákazníků vyžadující uvažování použít model, jako je Astra. Tato flexibilita umožňuje vývojářům přizpůsobit každé úloze hloubku uvažování, rychlost i náklady.
GPT‑Live‑1 nativně poskytuje přepisy automatického rozpoznávání řeči a text odpovědi. Nabízí také velmi dobré porozumění alfanumerickým údajům a podporuje zvýhodňování klíčových slov. Přestože GPT‑Live‑1 není model založený na střídání replik, nativně podporuje detekci střídání replik, takže vývojáři mohou nadále stavět na explicitních hranicích jednotlivých replik.
V našich hodnoceních zlepšuje model GPT‑Live‑1 výkon v testu Full Duplex Bench o 30 procentních bodů oproti GPT‑Realtime‑2.1 s výrazným zlepšením prodlevy při střídání mluvčích a interaktivního chování. Ve spojení s modelem GPT‑6 Astra se střední mírou uvažování se také umisťuje na 1. místě v testu Tau3, který měří průkopnickou inteligenci hlasových agentů při úlohách od začátku do konce.
Hodnotí mluvené úlohy zákaznického servisu v oblastech leteckých společností, maloobchodu a telekomunikací. Pass@1 měří úspěšnost úloh; nadpis přikládá každé doméně stejnou váhu.
* Backend GPT Live: Astra (střední).
Hodnotí mluvenou podporu bankovních služeb s vyhledáváním znalostí a nástroji pro práci s účty. Pass@1 je podíl 97 úloh banking_knowledge, které byly úspěšně dokončeny.
* Backend GPT Live: Astra (střední).
Hodnotí zvládání pauz, střídání replik v konverzaci, přerušení a informace o aktivním naslouchání.
Testuje reakce na řeč na pozadí, řeč určenou jiné osobě, reakce posluchače a přerušení.
Měří, jak rychle agent začne odpovídat poté, co uživatel dokončí svou repliku.
Testuje používání nástrojů na základě mluvených požadavků obsahujících přirozené pauzy, váhání a sebeopravy. Pass@1 hodnotí sekvenci volání nástrojů.
* Backend GPT Live: Terra (nízká úroveň).
Vyhodnocuje mluvenou odpověď na požadavky s použitím nástrojů, která obsahuje pauzy, váhání a vlastní opravy. Hodnotí, jak dobře odpověď odpovídá referenčnímu záměru.
* Backend GPT Live: Terra (nízká úroveň).
Vývojáři potřebují hlasy, které odpovídají jejich produktu a lidem, kteří ho používají, znějí přirozeně. S GPT‑Live‑1 rozšiřujeme malou sadu hlasů pro komunikaci v reálném čase o širší výběr přízvuků, dialektů a jazyků. Vývojáři tak mají větší kontrolu nad tím, jak jejich asistenti znějí.
V příštích měsících budeme nabídku hlasů a dostupných jazyků dále rozšiřovat.
GPT‑Live‑1 je ode dneška dostupný v API(otevře se v novém okně) za 0,05 USD za minutu hlasové vrstvy front-endu. Propoj ho s backendovým modelem a harnessem agenta, které vyhovují tvému produktu, a vytvoř hlasové prostředí, které lze škálovat podle objemu vykonávané práce.
Chcete-li získat přístup k vlastním hlasům, kontaktujte obchodní oddělení, kde se dozvíte více o podmínkách a postupu podání žádosti.
Dalším způsobem, jak vytvářet hlasové pracovní postupy nad GPT‑Live‑1, je využití OpenAI Presence, které používá model k zajištění hlasových interakcí v reálném čase. Presence pomáhá podnikům nasazovat důvěryhodné AI agenty schopné odpovídat na otázky, řešit problémy, používat firemní systémy, provádět schválené akce a podle potřeby je předat člověku. Další informace získáš od svého vedoucího účtu OpenAI.
