Անցնել հիմնական բովանդակությանը
OpenAI

10 սեպտեմբերի, 2026 թ.

ԱրտադրանքԹողարկում

API-ում GPT‑Live‑1‑ի միջոցով ստեղծեք ավելի բնական ձայնային փոխազդեցություններ։

GPT‑Live‑1‑ը ChatGPT‑ի բնական, երկկողմանի միաժամանակյա ձայնային զրույցների հնարավորությունը բերում է API՝ միաժամանակ ավելի մեծ վերահսկողություն տալով այն բանի նկատմամբ, թե ինչպես են ձայնային ագենտները խոսում և գործում։

Բեռնվում է…

Մենք API-ում գործարկում ենք GPT‑Live‑1‑ը՝ մշակողներին տրամադրելով հզոր և բնական ձայնային մոդել՝ ձայնային գործառույթներով հավելվածներ և բիզնես աշխատանքային հոսքեր ստեղծելու համար։ ChatGPT‑ում առաջին անգամ ներկայացված GPT‑Live‑1‑ը կարող է միաժամանակ լսել և խոսել, իսկ, ինչպես երևում է Codex-ի և ChatGPT Work-ի օրինակներում⁠(բացվում է նոր պատուհանում), կարող է ավելի խոր դատողություն և գործողություններ պատվիրակել մոդելներին ու գործիքներին, որոնց հետ զուգակցված է։

GPT‑Live‑1‑ի API տարբերակի համար մենք կենտրոնացել ենք նոր հնարավորությունների վրա, որոնք ծրագրավորողներին թույլ են տալիս ուղղորդել և հարմարեցնել ձայնային փորձառությունները՝ ըստ իրենց օգտատերերի, աշխատանքային հոսքերի և նպատակների։ GPT‑Live‑1‑ի հիմնական առավելություններից մեկը՝ խոսքի սահուն ընդհատումների մշակումը, արդեն գործնական արդյունք է տալիս․ նախնական գնահատումներում Speak-ը պարզել է, որ GPT‑Live‑1‑ը սովորողներին ավելի շատ ժամանակ է տալիս մտածելու՝ մինչև լեզվի ուսուցիչը պատասխանի, ինչի շնորհիվ ընդհատումների թիվը նախորդ՝ հերթափոխային համակարգերի համեմատ նվազել է գրեթե 80%-ով։

GPT‑Live‑1‑ի հիմնական առավելությունները API-ում․

  • Ընդհատումների կառավարում․ բարելավում է խոսքի ընդհատումների մշակումը՝ օգտագործելով մեկ միասնական մոդել, որը միաժամանակ վերլուծում է մուտքային և ելքային ձայնը՝ խուսափելով շղթայված STT–LLM–TTS ճարտարապետություններին բնորոշ հապաղումներից և ոչ հուսալի փոխանցումներից։

  • Դատողության և գործիքների կանչերի պատվիրակում․ GPT‑Live‑1‑ը կարող է վերլուծական աշխատանքը և գործիքների կանչերը փոխանցել բեքենդային տեքստային մոդելի, օրինակ՝ GPT‑6 Astra-ին, կամ երրորդ կողմի մոդելի։

  • Տոն, խոսքի տեմպ և ոճ․ ծրագրավորողներին հնարավորություն է տալիս համակարգային հուշման միջոցով ձևավորել գործակալի խոսքի տոնը, տեմպը և հաղորդակցման ոճը։

  • Լռության, համատեքստի և ֆոնային աղմուկի կառավարում․ Ավելի լավ է արձագանքում ֆոնային աղմուկին ու լռությանը՝ առանց զրույցն ընդհատելու կամ յուրաքանչյուր քայլը բարձրաձայն նկարագրելու։

  • Երկար աշխատաշրջանների հուսալիություն․ Բարելավում է համատեքստի պահպանումն ու զրույցի որակը երկարատև փոխազդեցությունների ընթացքում։

  • Հեռախոսակապի աջակցություն․ Հնարավորություն է տալիս հեռախոսազանգերի համար ներդնել լրիվ դուպլեքս ձայնային ագենտներ՝ ռեստորաններում սեղանների ամրագրումից մինչև հաճախորդների սպասարկում։

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.

Այս դեմոն ժամանակով սահմանափակ է։ Օգտագործելով այն՝ Դուք համաձայնում եք OpenAI-ի Օգտագործման պայմաններին և ընդունում եք մեր գաղտնիության քաղաքականությունը։

Պարզեցրեք ձեր ձայնային ագենտի ճարտարապետությունը և նվազեցրեք ձայնային արձագանքի հապաղումը

Ավանդական ձայնային ագենտները մեկ շղթայում միավորում են խոսքը տեքստի փոխակերպող համակարգը, հիմնավորման մոդելը և տեքստը խոսքի փոխակերպող համակարգը։ Յուրաքանչյուր փոխանցում մեծացնում է ուշացումը և ժամանակային համաժամացումը, համատեքստը կամ զրույցի բնական ռիթմը կորցնելու հավանականությունը։ Այդ փուլերի համակարգումը հաճախ մնում է մշակողների վրա, այդ թվում՝ երբ որևէ մեկը ընդհատում է խոսքը, դադար է տալիս կամ փոխում զրույցի ուղղությունը։

GPT‑Live‑1‑ը լսելն ու խոսելը մշակում է մեկ մոդելով՝ պարզեցնելով ձայնային շերտը։ Այն կարող է հենց այդ պահին արձագանքել ընդհատումներին ու խոսակցական հաստատումներին՝ միաժամանակ ավելի խոր դատողությունը պատվիրակելով ներքին համակարգին։ Դրա շնորհիվ զրույցը կարող է շարունակվել, մինչ աշխատանքը կատարվում է հետին պլանում։

“Մեր կասկադային լուծման համեմատ GPT‑Live‑1‑ը 80%-ով պարզեցրեց կոդային բազան և վերացրեց 23 հազար տող կոդ։ Սա հնարավորություն տվեց հիվանդների հետ բնական, իրական ժամանակի զրույցներ վարել և մեր թիմին ազատեց՝ բարելավելու ամբողջ փորձառությունը՝ այցի ամրագրումից մինչև բուժսպասարկման համակարգում կողմնորոշվելը։”
—Թոնի Ստոյանով, համահիմնադիր և տեխնիկական տնօրեն

Մշակողներն ընտրում են զրույցի հիմքում աշխատող մոդելները, գործիքներն ու ագենտի հարնեսը։ Օրինակ՝ նրանք կարող են GPT‑Live‑1‑ը զուգակցել Luna-ի նման մոդելի հետ մեծածավալ առաջադրանքների համար, ինչպիսիք են ժամանակացույցի կազմումը կամ պատվերների թարմացումը, իսկ դատողություն պահանջող բարդ հաճախորդային խնդիրների համար օգտագործել Astra-ի նման մոդել։ Այս ճկունությունը մշակողներին թույլ է տալիս յուրաքանչյուր առաջադրանքի համար ընտրել դատողության խորության, արագության և արժեքի համապատասխան համադրությունը։

GPT‑Live‑1‑ը ներկառուցված ձևով տրամադրում է ASR սղագրություններ և պատասխանի տեքստ։ Այն նաև լավ է հասկանում տառերից ու թվերից կազմված տվյալները և աջակցում է հիմնաբառերին առաջնահերթություն տալուն։ Թեև GPT‑Live‑1‑ը հերթափոխային մոդել չէ, այն ներկառուցված կերպով աջակցում է խոսքի հերթի հայտնաբերմանը, այնպես որ մշակողները կարող են շարունակել կառուցել համակարգեր՝ հստակ սահմանված խոսքային հերթափոխերի հիման վրա։

Լրիվ դուպլեքս աշխատանքի առավելության չափումը

Մեր գնահատումների արդյունքներով՝ GPT‑Live‑1‑ը Full Duplex Bench թեստում GPT‑Realtime‑2.1‑ի համեմատ արդյունքը բարելավում է 30 տոկոսային կետով՝ հատկապես զգալի առաջընթաց գրանցելով խոսքային հերթափոխի հապաղման և ինտերակտիվ վարքագծի առումով։ GPT‑6 Astra-ի հետ միջին մակարդակի վերլուծական ռեժիմով համակցվելիս այն նաև զբաղեցնում է առաջին տեղը Tau3 թեստում, որը չափում է առաջատար ձայնային ագենտների կարողությունները՝ ամբողջական, սկզբից մինչև վերջ կատարվող առաջադրանքներում։

Գնահատում է ավիաընկերությունների, մանրածախ առևտրի և հեռահաղորդակցության ոլորտներում հաճախորդների սպասարկման բանավոր առաջադրանքների կատարումը։ Pass@1-ը չափում է առաջադրանքի հաջող կատարումը, իսկ ամփոփ ցուցանիշում յուրաքանչյուր ոլորտին տրվում է հավասար կշիռ։


* GPT Live-ի բեքենդ՝ Astra (միջին)։

Գնահատում է բանավոր բանկային աջակցության աշխատանքը՝ գիտելիքների բազայից տեղեկություն ստանալու և հաշիվների հետ աշխատելու գործիքների կիրառմամբ։ Pass@1-ը ցույց է տալիս `banking_knowledge` կատեգորիայի 97 առաջադրանքներից հաջողությամբ կատարվածների բաժինը։


* GPT Live-ի բեքենդ՝ Astra (միջին)։

Գնահատում է դադարների մշակումը, զրույցում խոսքի հերթափոխը, ընդհատումները և արձագանքման ազդանշանները։

Փորձարկում է արձագանքները ֆոնային խոսքին, մեկ այլ անձի ուղղված խոսքին, զրուցակցի կարճ արձագանքներին և ընդհատումներին։

Չափում է, թե որքան արագ է ագենտը սկսում իր պատասխանը, երբ օգտատերն ավարտում է իր հերթը։

Փորձարկում է գործիքների օգտագործումը բանավոր հարցումների դեպքում, որոնք պարունակում են բնական դադարներ, տատանումներ և ինքնուղղումներ։ Pass@1-ը գնահատում է գործիքների կանչերի հաջորդականության ճիշտ կատարումը։


* GPT Live-ի բեքենդ՝ Terra (ցածր)։

Գնահատում է գործիքներ օգտագործող հարցումներին տրված բանավոր պատասխանը, որը պարունակում է դադարներ, տատանումներ և ինքնաուղղումներ։ Գնահատում է, թե որքանով է պատասխանը համապատասխանում նախապես սահմանված նպատակին։


* GPT Live-ի բեքենդ՝ Terra (ցածր)։

Ինչ են ասում հաճախորդները

1 -ը 4-ից
“GPT‑Live‑1‑ի ինտեգրումը Yelp Host-ում և Hatch-ում բարելավեց խոսակցության հերթափոխի սահունությունն ու ճշգրտությունը՝ համեմատած մեր ավանդական ձայնային ճարտարապետության հետ։ Երբ Yelp Host-ը զանգերին պատասխանելու համար օգտագործում է GPT‑Live‑1‑ը, օրինակ՝ ամրագրումների կամ սննդի պատվերների դեպքում, նկատում ենք զանգերի սպասարկման ցուցանիշների զգալի բարելավում։ Զանգահարողները նաև խոսում են ավելի ամբողջական ու բնական նախադասություններով, ինչը ցույց է տալիս, որ հեռախոսագծի մյուս կողմում փորձառությունն իսկապես այլ կերպ է ընկալվում։”
—Ալեքս Լևի, գլխավոր տեխնոլոգիական տնօրեն

Ձայնի նոր տարբերակներ

Մշակողներին անհրաժեշտ են ձայներ, որոնք համապատասխանում են իրենց պրոդուկտին և բնական են հնչում օգտատերերի համար։ GPT‑Live‑1‑ի միջոցով իրական ժամանակի ձայների փոքր հավաքածուից անցնում ենք շեշտադրումներ, բարբառներ և լեզուներ ընդգրկող ավելի լայն ընտրանու՝ մշակողներին ավելի մեծ ազատություն տալով որոշելու, թե ինչպես պետք է հնչեն իրենց օգնականները։

Լսեք նոր ձայները

Առաջիկա ամիսներին կշարունակենք ընդլայնել ձայների ընտրությունն ու հասանելի լեզուների շրջանակը։

Գնագոյացում և հասանելիություն

GPT‑Live‑1‑ըհասանելի է API-ում այսօր⁠(բացվում է նոր պատուհանում) ՝ առջևի ձայնային շերտի համար րոպեում $0,05 արժեքով։ Համադրեք այն ձեր արտադրանքին համապատասխան բեքենդային մոդելի և ագենտի հարնեսի հետ, ապա ստեղծեք ձայնային փորձառություն, որը կարող է մասշտաբավորվել՝ ըստ կատարելիք աշխատանքի ծավալի։

GPT-Live-1-ի միացումը Codex-ին

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-1-ի միացումը Codex-ին։ Այս հատվածը ցույց է տալիս, թե ինչպես է հավելվածը զրույցի համատեքստը փոխանցում Codex-ին և դրա պատասխանը վերադարձնում GPT-Live-1-ին։ Միացման կարգավորման և առաջադրանքների փոխանցման մշակման մանրամասները բաց են թողնված։

Անհատականացված ձայնային հնարավորությունից օգտվելու համար կապվեք վաճառքի բաժնի հետ՝ իրավասության պայմանների և հայտ ներկայացնելու գործընթացի մասին ավելին իմանալու համար։

GPT‑Live‑1‑ի հիման վրա ձայնային աշխատանքային հոսքեր ստեղծելու մեկ այլ տարբերակ է OpenAI Presence-ը, որն օգտագործում է այս մոդելը՝ իրական ժամանակում ձայնային փոխազդեցություններ ապահովելու համար։ Presence-ն օգնում է կազմակերպություններին ներդնել վստահելի ԱԲ ագենտներ, որոնք կարող են պատասխանել հարցերին, լուծել խնդիրներ, օգտվել ընկերության համակարգերից, կատարել թույլատրված գործողություններ և անհրաժեշտության դեպքում հարցը փոխանցել աշխատակիցներին։ Լրացուցիչ տեղեկությունների համար դիմեք OpenAI-ի ձեր հաշվի պատասխանատուին։

Հեղինակ

OpenAI

Շարունակել կարդալ

Դիտել բոլորը
Helping teens learn, plan, and shape the future of AI — Cover
Օգնում ենք դեռահասներին սովորել, ծրագրել ու կերտել ԱԲ-ի ապագան

Արտադրանք

GPT-6 և Խելացի միջերես՝ բոլորի համար

Արտադրանք

Building advertising for the way people use AI — Cover
Ստեղծում ենք գովազդ՝ ԱԲ-ն օգտագործելու մարդկանց ձևերին համահունչ

Արտադրանք