Tuomme GPT‑Live‑1:n APIin ja tarjoamme kehittäjille tehokkaan, luonnollisen äänimallin puhetoimintoisten sovellusten ja liiketoiminnan työnkulkujen rakentamiseen. ChatGPT:ssä ensimmäisen kerran esitelty, GPT‑Live‑1 pystyy kuuntelemaan ja puhumaan samanaikaisesti sekä Codex ja ChatGPT Workin yhteydessä nähdyllä tavalla(avautuu uudessa ikkunassa) delegoimaan syvempää päättelyä ja toimia malleille ja työkaluille, joihin se on yhdistetty.
GPT‑Live‑1:n API-julkaisussa olemme keskittyneet uusiin ominaisuuksiin, joiden avulla kehittäjät voivat ohjata ja mukauttaa äänikokemuksia käyttäjiensä, työnkulkujensa ja tavoitteidensa mukaan. GPT‑Live‑1:n keskeinen vahvuus, sujuva keskeytysten käsittely, tuottaa jo liiketoimintahyötyjä: alustavissa arvioinneissa Speak havaitsi, että GPT‑Live‑1 antoi oppijoille enemmän aikaa ajatella ennen kuin kieltenopettaja vastasi, mikä vähensi keskeytyksiä lähes 80 % aiempiin vuoropohjaisiin järjestelmiin verrattuna.
GPT‑Live‑1:n keskeiset vahvuudet API:ssa:
Keskeytysten käsittely: Parantaa keskeytysten käsittelyä yhden mallin avulla, joka päättelee saapuvan ja lähtevän äänen perusteella samanaikaisesti. Näin vältetään ketjutettujen STT–LLM–TTS-arkkitehtuurien viiveet ja epäluotettavat siirtymät.
Päättelyn ja työkalukutsujen delegointi: GPT‑Live‑1 voi delegoida päättelyä ja työkalukutsuja taustalla toimivalle tekstimallille, kuten GPT‑6 Astralle tai kolmannen osapuolen mallille.
Sävy, puhenopeus ja tyyli: kehittäjät voivat muokata agentin sävyä, puhenopeutta ja keskustelutyyliä järjestelmäkehotteen avulla.
Hiljainen kontekstinhallinta & taustamelu: Käsittelee taustamelua ja hiljaisuutta paremmin keskeyttämättä keskustelua tai selostamatta jokaista vaihetta ääneen.
Luotettavuus pitkissä istunnoissa: Parantaa kontekstin säilymistä ja keskustelun laatua pitkissä vuorovaikutustilanteissa.
Puhelintuki: Mahdollistaa samanaikaisesti kuuntelevien ja puhuvien ääniagenttien käyttöönoton puheluissa aina ravintolavarauksista asiakastukeen.
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.
Tämä esittely on aikarajoitettu. Käyttämällä sitä hyväksyt OpenAI:n käyttöehdot ja vahvistat tutustuneesi tietosuojakäytäntöömme.
Perinteiset ääniagentit yhdistävät puheentunnistuksen, päättelymallin ja puhesynteesin. Jokainen siirtymä lisää viivettä ja kasvattaa riskiä ajoituksen, kontekstin tai keskustelun luonnollisen rytmin menettämisestä. Näiden vaiheiden koordinointi jää usein kehittäjille. Heidän on ratkaistava myös se, mitä tapahtuu, kun puhuja keskeyttää, pitää tauon tai vaihtaa suuntaa.
GPT‑Live‑1 hoitaa kuuntelun ja puhumisen yhdessä mallissa, mikä yksinkertaistaa äänikerrosta. Se pystyy reagoimaan keskeytyksiin ja kuittauksiin niiden tapahtuessa ja samalla delegoimaan syvemmän päättelyn taustajärjestelmälle. Näin keskustelu voi jatkua samalla, kun työ etenee taustalla.
Kehittäjät valitsevat keskustelun taustalla toimivat mallit, työkalut ja agentin arviointikehyksen. He voivat esimerkiksi yhdistää GPT‑Live‑1:n Lunan kaltaiseen malliin suurten tehtävämäärien, kuten ajanvarausten tai tilaustietojen päivitysten, käsittelyä varten ja käyttää Astran kaltaista mallia päättelyä vaativiin monimutkaisiin asiakasongelmiin. Tämän joustavuuden ansiosta kehittäjät voivat sovittaa päättelyn syvyyden, nopeuden ja kustannukset kuhunkin tehtävään.
GPT‑Live‑1 tarjoaa natiivisti ASR-litteroinnit ja vastaustekstin. Se ymmärtää myös hyvin aakkosnumeerista sisältöä ja tukee avainsanojen painottamista. Vaikka GPT‑Live‑1 ei ole vuoropohjainen malli, se tukee natiivisti puheenvuorojen tunnistusta, joten kehittäjät voivat edelleen rakentaa ratkaisunsa selkeiden puheenvuororajojen ympärille.
Arvioinneissamme GPT‑Live‑1 parantaa Full Duplex Bench -suorituskykyä 30 prosenttia GPT‑Realtime‑2.1:een verrattuna, ja parannukset ovat merkittäviä puheenvuorojen vaihtamisen viiveessä ja vuorovaikutteisessa toiminnassa. Yhdessä GPT‑6 Astran kanssa keskitason päättelyponnistuksella se sijoittuu myös ensimmäiseksi Tau3:ssa, joka mittaa edistyneiden ääniagenttien älykkyyttä alusta loppuun suoritettavissa tehtävissä.
Arvioi puhuttuja asiakaspalvelutehtäviä lentoliikenteen, vähittäiskaupan ja televiestinnän aloilla. Pass@1 mittaa tehtävän onnistumista; otsikko antaa kullekin alalle saman painoarvon.
* GPT Live -taustajärjestelmä: Astra (keskitaso).
Arvioi puhutun pankkiasiakastuen toimivuutta tiedonhaun ja tilityökalujen avulla. Pass@1 on niiden 97 banking_knowledge-tehtävän osuus, jotka suoritettiin onnistuneesti.
* GPT Live -taustajärjestelmä: Astra (keskitaso).
Arvioi taukojen käsittelyä, vuorottelua, keskeytyksiä ja kuuntelijan myötäilyilmauksia.
Testaa reaktioita taustapuheeseen, toiselle henkilölle puhumiseen, kuuntelijan myötäilyihin ja keskeytyksiin.
Mittaa, kuinka nopeasti agentti aloittaa vastauksensa sen jälkeen, kun käyttäjä on lopettanut vuoronsa.
Testaa työkalujen käyttöä puhutuissa pyynnöissä, jotka sisältävät luonnollisia taukoja, epäröintiä ja itsekorjauksia. Pass@1 arvioi työkalukutsujen sarjan.
* GPT Live -taustajärjestelmä: Terra (alhainen).
Arvioi työkaluja käyttäviin pyyntöihin annettua puhuttua vastausta, joka sisältää taukoja, epäröintiä ja itsekorjauksia. Pisteyttää, kuinka hyvin vastaus vastaa viitteen tarkoitusta.
* GPT Live -taustajärjestelmä: Terra (alhainen).
Kehittäjät tarvitsevat tuotteeseensa sopivia ääniä, jotka kuulostavat käyttäjistä luonnollisilta. GPT‑Live‑1 laajentaa suppean reaaliaikaisten äänien valikoiman kattamaan entistä enemmän aksentteja, murteita ja kieliä, joten kehittäjät voivat vaikuttaa aiempaa enemmän avustajiensa ääneen.
Laajennamme äänivalikoimaa ja kielten saatavuutta edelleen tulevien kuukausien aikana.
GPT‑Live‑1 on tänään saatavilla API:ssa(avautuu uudessa ikkunassa). Käyttöliittymän äänikerroksen hinta on 0,05 $ minuutilta. Yhdistä siihen tuotteeseesi sopiva taustamalli ja agentin arviointikehys ja rakenna äänikokemus, joka skaalautuu tehtävien vaatimusten mukaan.
Jos haluat käyttää mukautettuja ääniä, ota yhteyttä myyntiin saadaksesi lisätietoja kelpoisuudesta ja hakuprosessista.
Toinen tapa rakentaa puhetyönkulkuja GPT‑Live‑1:n pohjalta on OpenAI Presence, joka hyödyntää mallia reaaliaikaisten puhevuorovaikutusten mahdollistamiseen. Presence auttaa yrityksiä ottamaan käyttöön luotettuja tekoälyagentteja, jotka voivat vastata kysymyksiin, ratkaista ongelmia, käyttää yrityksen järjestelmiä, tehdä hyväksyttyjä toimia ja siirtää asian ihmisille tarvittaessa. Kysy lisätietoja OpenAI-yhteyshenkilöltäsi.
