Liwati menyang isi utama
OpenAI

10 September 2026

ProdukRilis

Nggawe pengalaman swara luwih alami nganggo GPT‑Live‑1 ing API

GPT‑Live‑1 nggawa obrolan full-duplex alami saka ChatGPT menyang API, kanthi kontrol luwih akeh tumrap cara agen swara ngomong lan tumindak.

Lagi dimuat…

Kita ngluncurake GPT‑Live‑1 ing API, menehi pangembang model swara sing kuat lan alami kanggo nggawe aplikasi sing nganggo swara lan alur kerja bisnis. Pisanan dikenalake ing ChatGPT, GPT‑Live‑1 bisa ngrungokake lan ngomong bebarengan, lan, kaya sing katon ing Codex lan ChatGPT Kerja⁠(mbukak ing jendhela anyar), bisa masrahake nalar lan tumindak sing luwih jero marang model lan piranti sing dipasangake.

Kanggo rilis GPT‑Live‑1 ing API, kita fokus marang kapabilitas anyar sing ngidini pangembang ngarahake lan ngatur pengalaman swara adhedhasar pengguna, alur kerja, lan tujuane. Salah siji kekuwatan utama GPT‑Live‑1, yaiku nangani interupsi kanthi lancar, wis menehi dampak bisnis: ing evaluasi awal, Speak nemokake yen GPT‑Live‑1 menehi siswa wektu luwih akeh kanggo mikir sadurunge tutor basa nanggapi, saengga nyuda interupsi nganti meh 80% dibandhingake karo sistem gantian sadurunge.

Kakuwatan utama GPT‑Live‑1 ing API:

  • Penanganan interupsi: Ningkatake penanganan interupsi liwat siji model sing bebarengan nalar audio sing mlebu lan metu, ngindhari latensi lan serah-terima sing ringkih saka arsitektur STT–LLM–TTS sing dirangkai.

  • Delegasi nalar & panggilan alat: GPT‑Live‑1 saged masrahake nalar lan panggilan alat menyang model teks backend kayata GPT‑6 Astra utawa model pihak katelu.

  • Nada, tempo, lan gaya: Ngidini pangembang mbentuk nada, tempo, lan gaya obrolan agen liwat prompt sistem.

  • Manajemen konteks meneng & swara latar: Luwih apik nangani swara latar lan kahanan meneng tanpa ngganggu obrolan utawa nyritakake saben langkah kanthi banter.

  • Keandalan sesi dawa: Ningkatake panyimpenan konteks lan mutu obrolan sajrone interaksi sing dawa.

  • Dhukungan telefoni: Ngidini penerapan agen swara full-duplex kanggo telpon, saka reservasi restoran nganti dhukungan pelanggan.

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.

Demo iki diwatesi wektu. Kanthi nggunakake iki, njenengan setuju karo Ketentuan OpenAI lan ngakoni Kabijakan Privasi kita.

Sederhanakake arsitektur agen swara lan suda latensi swara

Agen swara tradisional ngrangkai wicara-menyang-teks, model nalar, lan teks-menyang-wicara. Saben serah-terima nambah latensi lan risiko kelangan ketepatan wektu, konteks, utawa irama alami obrolan. Pangembang asring kudu ngoordinasi tahap-tahap kasebut, kalebu apa sing kedadeyan nalika wong nyelani, mandheg, utawa ngowahi arah.

GPT‑Live‑1 nangani proses ngrungokake lan ngomong ing siji model, saengga lapisan swara dadi luwih prasaja. Model iki bisa langsung nanggapi interupsi lan pangakon, nalika nalar sing luwih jero dipasrahake menyang backend. Kanthi mangkono, obrolan bisa terus lumaku nalika pakaryan ditindakake ing latar mburi.

“Dibandhing sistem kaskade kita, GPT‑Live‑1 nyederhanakake basis kode nganti 80% lan mbusak 23K larik kode. Iki ngidini obrolan wektu nyata sing alami karo pasien & mbebasake tim kita kanggo ningkatake pengalaman, saka nggawe janji temu nganti nuntun pasien ngakses perawatan.”
—Tony Stoyanov, Salah Siji Pangadeg & CTO

Pangembang milih model, piranti, lan kerangka agen sing ndhukung obrolan. Contone, pangembang bisa masangake GPT‑Live‑1 karo model kaya Luna kanggo tugas kanthi volume dhuwur, kayata gawe jadwal utawa nganyari pesenan, lan nggunakake model kaya Astra kanggo masalah pelanggan rumit sing mbutuhake nalar. Fleksibilitas iki ngidini pangembang nyelarasake jerone nalar, kacepetan, lan biaya kanggo saben tugas.

GPT‑Live‑1 kanthi alami nyedhiyakake transkrip ASR lan teks tanggapan. Model iki uga nduweni pangerten alfanumerik sing kuwat lan ndhukung pemrioritasan tembung kunci. Sanajan GPT‑Live‑1 dudu model adhedhasar giliran, model iki kanthi asli ndhukung deteksi giliran, supaya pangembang bisa terus mbangun nganggo wates giliran sing cetha.

Ngukur kaunggulan full-duplex

Ing kabeh evaluasi kita, GPT‑Live‑1 nambah kinerja Full Duplex Bench nganti 30 poin persentase tinimbang GPT‑Realtime‑2.1, kanthi peningkatan gedhe ing latensi gantian wicara lan prilaku interaktif. Nalika dipasangake karo GPT‑6 Astra kanthi upaya nalar kecepatan standar, model iki uga dadi peringkat #1 ing Tau3, sing ngukur pilihan kecerdasan agen swara tercanggih ing tugas saka wiwitan nganti pungkasan.

Ngevaluasi tugas layanan pelanggan kanthi lisan ing domain maskapai penerbangan, ritel, lan telekomunikasi. Pass@1 ngukur kasuksesan tugas; judhul utama maringi bobot sing padha kanggo saben domain.


* Backend GPT Live: Astra (kecepatan standar).

Ngevaluasi dhukungan perbankan lisan kanthi panggolekan kawruh lan piranti akun. Pass@1 yaiku fraksi saka 97 tugas banking_knowledge sing kasil rampung.


* Backend GPT Live: Astra (kecepatan standar).

Ngevaluasi penanganan jeda, giliran wicara sajrone pacelathon, interupsi, lan tanggapan cekak.

Nguji reaksi tumrap wicara latar mburi, wicara marang wong liya, tanggapan singkat saka pamireng, lan interupsi.

Ngukur sepira cepeté agen miwiti balesan sawisé pengguna ngrampungaké siji giliran.

Nguji penggunaan alat saka panjalukan lisan sing ngemot jeda alami, keraguan, lan koreksi dhiri. Pass@1 menehi skor urutan panggilan alat.


* Backend GPT Live: Terra (endhek).

Ngevaluasi wangsulan lisan kanggo panjalukan sing nggunakake alat lan ngemot jeda, keraguan, lan koreksi dhiri. Menehi skor babagan sepira cocogé wangsulan kasebut karo maksud referensi.


* Backend GPT Live: Terra (endhek).

Pangandikane para pelanggan

1 saka 4
“Nambahake GPT‑Live‑1 menyang Yelp Host lan Hatch ningkatake gantian wicara lan akurasi dibandhingake karo arsitektur swara tradisional kita. Nalika Yelp Host nggunakake GPT‑Live‑1 kanggo njawab telpon, kayata reservasi lan pesenan panganan, kita ndeleng paningkatan nyata ing tingkat penanganan telpon. Wong sing nelpon uga ngucapake ukara sing luwih pepak lan alami, nuduhake manawa pengalaman ing sisih liya telpon pancen beda.”
—Alex Levy, Chief Technology Officer

Pilihan swara anyar

Pangembang mbutuhake swara sing cocog karo produke lan keprungu alami tumrap para pangguna. Kanthi GPT‑Live‑1, kita ngembangake pilihan saka sawetara swara wektu nyata dadi luwih akeh aksen, dialek, lan basa, supaya pangembang luwih bebas nemtokake swara asistene.

Rungokna swara-swara anyar

Kita bakal terus nambah pilihan swara lan kasedhiyan basa sajrone sawetara sasi ngarep.

Rega & Kasedhiyan

GPT‑Live‑1 saiki kasedhiya ing API dina iki⁠(mbukak ing jendhela anyar) kanthi rega $0,05 saben menit kanggo lapisan swara front-end. Gabungake karo model backend lan kerangka agen sing cocog karo produk njenengan, banjur gawe pengalaman swara sing bisa diskalakake selaras karo pakaryan sing kudu ditindakake.

Sambungake GPT-Live-1 karo Codex

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
}

Nyambungake GPT-Live-1 menyang Codex. Pethikan iki nuduhake cara aplikasi ngirim konteks pacelathon menyang Codex lan mbalekake wangsulane menyang GPT-Live-1. Persiyapan sambungan lan penanganan delegasi diilangi.

Kanggo akses swara kustom, hubungi penjualan kanggo mangerteni luwih lengkap babagan syarat kelayakan lan proses penjalukan.

Cara liya kanggo nggawe alur kerja swara adhedhasar GPT‑Live‑1 yaiku nganggo OpenAI Presence, sing nggunakake model kanggo ndhukung interaksi swara wektu nyata. Presence mbantu perusahaan nerapake agen AI tepercaya sing bisa njawab pitakonan, ngrampungake masalah, nggunakake sistem perusahaan, nindakake tumindak sing disetujoni, lan nerusake menyang manungsa yen dibutuhake. Hubungi direktur akun OpenAI njenengan kanggo katrangan luwih lengkap.

Penulis

OpenAI

Terus maca

Deleng kabeh
Helping teens learn, plan, and shape the future of AI — Cover
Mbantu remaja sinau, ngrancang, lan mbentuk masa depan AI

Produk

GPT-6 lan Intelligent UI kanggo kabeh wong

Produk

Building advertising for the way people use AI — Cover
Ngembangake iklan sing cocog karo cara wong nggunakake AI

Produk