Preskočite na glavni sadržaj
OpenAI

10. rujna 2026.

ProizvodIzdanje

Izradite prirodnija glasovna iskustva uz GPT‑Live‑1 u API-ju

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

Učitavanje…

Pokrećemo GPT‑Live‑1 u API-ju, pružajući razvojnim inženjerima moćan, prirodan glasovni model za izradu aplikacija s glasovnom podrškom i poslovnih tijekova rada. GPT‑Live‑1, prvi put predstavljen u ChatGPT‑ju, može istodobno slušati i govoriti te, kao što je prikazano uz Codex i ChatGPT Work⁠(otvara se u novom prozoru), može delegirati dublje rasuđivanje i radnje modelima i alatima s kojima je uparen.

Za izdavanje modela GPT‑Live‑1 u API-ju usredotočili smo se na nove mogućnosti koje razvojnim inženjerima omogućuju usmjeravanje i prilagodbu glasovnih iskustava korisnicima, tijekovima rada i ciljevima. Ključna prednost modela GPT‑Live‑1, neometano upravljanje prekidanjima, već donosi poslovni učinak: Speak je u ranim evaluacijama utvrdio da je GPT‑Live‑1 polaznicima dao više vremena za razmišljanje prije odgovora učitelja jezika, što je smanjilo broj prekida za gotovo 80 % u odnosu na prethodne sustave s izmjenom govornika.

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

  • Upravljanje prekidima: Poboljšava upravljanje prekidima s pomoću jednog modela koji zajedno obrađuje dolazni i odlazni zvuk, izbjegavajući kašnjenje i nepouzdane prijelaze ulančanih arhitektura STT–LLM–TTS.

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

  • Ton, tempo i stil: Razvojnim inženjerima omogućuje oblikovanje tona, tempa i stila razgovora agenta putem sistemskog upita.

  • Tiho upravljanje kontekstom i pozadinska buka: Bolje upravlja pozadinskom bukom i tišinom bez prekidanja razgovora ili glasnog opisivanja svakog koraka.

  • Pouzdanost dugih sesija: Poboljšava zadržavanje konteksta i kvalitetu razgovora tijekom duljih interakcija.

  • Podrška za telefoniju: Omogućuje uvođenje 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.

Ova demonstracija vremenski je ograničena. Korištenjem pristajete na OpenAI-jeve Uvjete i potvrđujete da ste upoznati s našim Pravilnikom o zaštiti privatnosti.

Pojednostavite arhitekturu glasovnog agenta i smanjite latenciju glasa

Tradicionalni glasovni agenti povezuju pretvaranje govora u tekst, model za rasuđivanje i pretvaranje teksta u govor. Svaki prijelaz povećava kašnjenje i stvara više prilika za gubitak pravog trenutka, konteksta ili prirodnog ritma razgovora. Programeri često moraju koordinirati sve te faze, uključujući ono što se događa kada netko prekine, zastane ili promijeni smjer razgovora.

GPT‑Live‑1 objedinjuje slušanje i govor u jednom modelu, čime pojednostavnjuje glasovni sloj. Može odmah reagirati na prekide i potvrde, a dublje rasuđivanje delegirati pozadinskom sustavu. Tako se razgovor može nastaviti dok se posao obavlja u pozadini.

“U usporedbi s našim kaskadnim rješenjem, GPT‑Live‑1 pojednostavnio je našu bazu koda za 80 % i uklonio 23 000 redaka koda. To je omogućilo prirodne razgovore s pacijentima u stvarnom vremenu i oslobodilo naš tim da poboljša iskustvo od zakazivanja termina do snalaženja u zdravstvenoj skrbi.”
–Tony Stoyanov, suosnivač i glavni tehnološki direktor

Programeri odabiru modele, alate i testni sklop agenta koji stoje iza razgovora. Primjerice, GPT‑Live‑1 mogu upariti s modelom poput Lune za opsežne zadatke kao što su zakazivanje ili ažuriranje narudžbi, a model poput Astre upotrijebiti za složene probleme korisnika koji zahtijevaju rasuđivanje. Ta fleksibilnost programerima omogućuje da dubinu rasuđivanja, brzinu i trošak prilagode svakom zadatku.

GPT‑Live‑1 izvorno pruža ASR transkripte i tekst odgovora. Također vrlo dobro razumije alfanumeričke nizove i podržava davanje prednosti ključnim riječima. Iako GPT‑Live‑1 nije model koji se temelji na izmjeni govornika, izvorno podržava prepoznavanje izmjene govornika pa razvojni inženjeri i dalje mogu graditi rješenja oko jasno određenih granica reda.

Mjerenje prednosti potpuno dvosmjerne komunikacije

U našim evaluacijama GPT‑Live‑1 poboljšava performanse na Full Duplex Benchu za 30 postotnih bodova u odnosu na GPT‑Realtime‑2.1, uz znatna poboljšanja u kašnjenju pri izmjeni govornika i interaktivnom ponašanju. Uparen s modelom GPT‑6 Astra uz srednju razinu rasuđivanja također zauzima 1. mjesto na ljestvici Tau3, koja mjeri inteligenciju graničnih glasovnih agenata u cjelovitim zadacima.

Procjenjuje govorne zadatke korisničke podrške u domenama zrakoplovstva, maloprodaje i telekomunikacija. Pass@1 mjeri uspješnost zadatka – naslov svakoj domeni pridaje jednaku težinu.


* Pozadinski sustav GPT Live: Astra (srednja).

Procjenjuje govornu bankarsku podršku uz dohvaćanje znanja i alate za račune. Pass@1 udio je od 97 zadataka banking_knowledge koji su uspješno dovršeni.


* Pozadinski sustav GPT Live: Astra (srednja).

Procjenjuje upravljanje stankama, izmjenjivanje u razgovoru, prekide i povratne signale.

Testira reakcije na govor u pozadini, govor upućen drugoj osobi, povratne signale slušatelja i prekide.

Mjeri koliko brzo agent počinje odgovarati nakon što korisnik završi svoj red.

Testira upotrebu alata na temelju govornih zahtjeva koji sadržavaju prirodne stanke, oklijevanja i samoispravke. Pass@1 ocjenjuje slijed poziva alata.


* Pozadinski sustav za GPT Live: Terra (niska).

Procjenjuje govorni odgovor na zahtjeve koji upotrebljavaju alate, a sadrže stanke, oklijevanja i samoispravke. Ocjenjuje koliko se odgovor podudara s referentnom namjerom.


* Pozadinski sustav za GPT Live: Terra (niska).

Što kažu korisnici

1 od 4
“Dodavanje modela GPT‑Live‑1 u Yelp Host i Hatch poboljšalo je izmjenu govornika i točnost u odnosu na našu tradicionalnu glasovnu arhitekturu. Kada Yelp Host upotrebljava GPT‑Live‑1 za odgovaranje na pozive, primjerice za rezervacije i narudžbe hrane, bilježimo znatno veći udio uspješno obrađenih poziva. Pozivatelji također govore potpunijim i prirodnijim rečenicama, što nam pokazuje da se iskustvo s druge strane telefonske linije doista razlikuje.”
– Alex Levy, glavni tehnološki direktor

Nove glasovne opcije

Programerima trebaju glasovi koji odgovaraju njihovim proizvodima i zvuče prirodno korisnicima. Uz GPT‑Live‑1 proširujemo mali skup glasova u stvarnom vremenu većim izborom naglasaka, dijalekata i jezika, pružajući programerima više mogućnosti za oblikovanje zvuka svojih asistenata.

Poslušajte nove glasove

Tijekom sljedećih mjeseci nastavit ćemo širiti izbor glasova i dostupnost jezika.

Cijene i dostupnost

GPT‑Live‑1 od danas je dostupan u API-ju⁠(otvara se u novom prozoru) po cijeni od 0,05 USD po minuti za prednji glasovni sloj. Uparite ga s pozadinskim modelom i testnim sklopom agenta koji odgovaraju vašem proizvodu, a zatim izradite glasovno iskustvo koje se može skalirati u skladu s poslom koji treba obaviti.

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 modela GPT-Live-1 s Codexom. Ovaj isječak prikazuje kako aplikacija prosljeđuje kontekst razgovora Codexu i vraća njegov odgovor modelu GPT-Live-1. Postavljanje veze i rukovanje delegiranjem izostavljeni su.

Za pristup prilagođenim glasovima obratite se prodajnom timu kako biste saznali više o ispunjavanju uvjeta i postupku podnošenja zahtjeva.

Drugi način za izradu glasovnih tijekova rada uz GPT‑Live‑1 jest uz OpenAI Presence, koji upotrebljava model za pokretanje glasovnih interakcija u stvarnom vremenu. Presence pomaže poduzećima uvesti pouzdane AI agente koji mogu odgovarati na pitanja, rješavati probleme, upotrebljavati sustave tvrtke, poduzimati odobrene radnje i prema potrebi proslijediti slučaj ljudima. Za više informacija obratite se svojem voditelju računa u OpenAI-u.

Autor

OpenAI

Nastavite čitati

Prikaži sve
Helping teens learn, plan, and shape the future of AI — Cover
Pomoć mladima u učenju, planiranju i oblikovanju budućnosti AI-ja

Proizvod

GPT-6 i Inteligentno sučelje za sve

Proizvod

Building advertising for the way people use AI — Cover
Razvoj oglašavanja prilagođenog načinu na koji ljudi koriste AI

Proizvod