GPT‑Live‑1 моделін API-де іске қосып, әзірлеушілерге дауыспен басқарылатын қолданбалар мен бизнес-процестерді құруға арналған қуатты, табиғи дауыс моделін ұсынамыз. Алғаш рет ChatGPT‑де ұсынылған, GPT‑Live‑1 бір уақытта тыңдап, сөйлей алады және Codex пен ChatGPT Жұмыс көргеніміздей(жаңа терезеде ашылады), тереңірек ой қорыту мен әрекеттерді өзімен біріктірілген модельдер мен құралдарға тапсыра алады.
GPT‑Live‑1 моделін API-де шығару кезінде әзірлеушілерге дауыстық тәжірибені пайдаланушыларына, жұмыс үдерістеріне және мақсаттарына сай бағыттап, бейімдеуге мүмкіндік беретін жаңа мүмкіндіктерге баса назар аудардық. GPT‑Live‑1‑дің басты артықшылықтарының бірі — үзілістерді бірқалыпты өңдеу — бизнеске әсерін тигізіп жатыр: бастапқы бағалауларда Speak GPT‑Live‑1 тіл оқытушысы жауап бермес бұрын оқушыларға ойлануға көбірек уақыт бергенін және алдыңғы кезекке негізделген жүйелермен салыстырғанда үзілістерді шамамен 80%-ға азайтқанын анықтады.
API-дегі GPT‑Live‑1 моделінің негізгі артықшылықтары:
Сөз бөлуді өңдеу: Кіріс және шығыс аудионы бірге саралайтын бір модель арқылы сөз бөлуді өңдеуді жақсартып, тізбектелген STT–LLM (үлкен тілдік модель)–TTS архитектураларындағы кідіріс пен сенімсіз ауысуларды болдырмайды.
Ой қорыту мен құрал шақыруларын табыстау: GPT‑Live‑1 ой қорыту мен құрал шақыруларын GPT‑6 Astra сияқты серверлік мәтіндік модельге немесе үшінші тарап моделіне тапсыра алады.
Үн, қарқын және стиль: Әзірлеушілерге жүйелік көмексөз арқылы агенттің үнін, сөйлеу қарқынын және әңгімелесу мәнерін қалыптастыруға мүмкіндік береді.
Мәнмәтінді үнсіз басқару және фондық шу: Әңгімені бөлмей және әр қадамды дауыстап айтпай, фондық шу мен үнсіздікті жақсырақ өңдейді.
Ұзақ сеанстардағы сенімділік: Ұзақ әрекеттесу барысында контекстің сақталуы мен әңгіме сапасын жақсартады.
Телефонияны қолдау: Мейрамханада үстел брондаудан бастап тұтынушыларға қызмет көрсетуге дейінгі телефон қоңырауларына толық дуплексті дауыс агенттерін енгізуге мүмкіндік береді.
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.
Бұл демо-нұсқаның уақыты шектеулі. Оны пайдалану арқылы сіз OpenAI Шарттарымен келісесіз және біздің Жекелік саясатымызбен танысқаныңызды растайсыз.
Дәстүрлі дауыс агенттері сөйлеуді мәтінге айналдыру, ойлайтын модель және мәтінді сөйлеуге айналдыру жүйелерін бір тізбекке біріктіреді. Әрбір ауысу кідірісті арттырып, уақыт сәйкестігін, контексті немесе әңгіменің табиғи ырғағын жоғалту қаупін көбейтеді. Көбіне осы кезеңдерді, соның ішінде адамның сөз бөлуі, кідіруі немесе әңгіме бағытын өзгертуі кезіндегі әрекеттерді әзірлеушілердің өздері үйлестіруге мәжбүр.
GPT‑Live‑1 тыңдау мен сөйлеуді бір модельде өңдеп, дауыс қабатын жеңілдетеді. Ол сөз бөлулерге және тыңдап отырғанын білдіретін қысқа репликаларға бірден жауап беріп, тереңірек ой қорытуды серверлік жүйеге тапсыра алады. Осының арқасында жұмыс фонда орындалып жатқанда әңгіме жалғаса береді.
Әзірлеушілер әңгіменің артындағы модельдерді, құралдарды және агенттің тапсырма ортасын өздері таңдайды. Мысалы, олар GPT‑Live‑1 моделін кесте құру немесе тапсырыс жаңартулары сияқты ауқымды тапсырмалар үшін Luna секілді модельмен, ал ой қорыту қажет күрделі тұтынушы мәселелері үшін Astra секілді модельмен біріктіре алады. Бұл икемділік әзірлеушілерге әр тапсырмаға сай ой қорыту тереңдігін, жылдамдық пен шығынды теңшеуге мүмкіндік береді.
GPT‑Live‑1 ASR транскрипттері мен жауап мәтінін бастапқыдан-ақ ұсынады. Сондай-ақ ол әріптер мен сандарды жақсы түсінеді және кілтсөздерге басымдық беруді қолдайды. GPT‑Live‑1 кезекке негізделген модель болмаса да, сөйлеу кезегін анықтауды бастапқыдан-ақ қолдайды. Сондықтан әзірлеушілер кезектің нақты шекараларына сүйеніп құруды жалғастыра алады.
Бағалауларымызда GPT‑Live‑1 Full Duplex Bench көрсеткішін GPT‑Realtime‑2.1-мен салыстырғанда 30 пайыздық тармаққа жақсартты, сөйлеу кезегіндегі кідіріс пен интерактивті әрекетте айтарлықтай жақсаруларға қол жеткізді. Орташа ой қорыту деңгейіндегі GPT‑6 Astra-мен бірге ол басынан аяғына дейінгі тапсырмалардағы озық дауыс агенті Ойлау деңгейін өлшейтін Tau3 рейтингінде де №1 орын алады.
Авиакомпания, бөлшек сауда және телеком салаларындағы ауызша клиенттерге қызмет көрсету тапсырмаларын бағалайды. Pass@1 тапсырманың сәтті орындалуын өлшейді; тақырыпта әр салаға бірдей салмақ беріледі.
* GPT Live серверлік бөлігі: Astra (орташа).
Сөйлеу арқылы көрсетілетін банктік қолдауды білімді іздеу және шот құралдары арқылы бағалайды. Pass@1 — 97 banking_knowledge тапсырмасының сәтті орындалған үлесі.
* GPT Live серверлік бөлігі: Astra (орташа).
Кідірістерді өңдеуді, әңгімедегі кезекпен сөйлеуді, сөз бөлуді және кері байланыс белгілерін бағалайды.
Фондық сөйлеуге, басқа адамға бағытталған сөйлеуге, тыңдаушының кері байланыс сигналдарына және сөзді бөлу жағдайларына реакцияларды тексереді.
Пайдаланушы кезегін аяқтағаннан кейін агенттің жауабын қаншалықты жылдам бастайтынын өлшейді.
Табиғи кідірістер, іркілістер және өзін-өзі түзетулер бар ауызша сұраулар арқылы құралды пайдалануды тексереді. Pass@1 құралды шақырулар тізбегін бағалайды.
* GPT Live бэкенді: Terra (төмен).
Үзілістер, кідірістер және өзін-өзі түзетулер бар құралдарды пайдалануды талап ететін сұрауларға берілген ауызша жауапты бағалайды. Жауаптың эталондық ниетке қаншалықты сәйкес келетінін бағалайды.
* GPT Live бэкенді: Terra (төмен).
Әзірлеушілерге өнімдеріне сай келетін әрі пайдаланушыларға табиғи естілетін дауыстар қажет. GPT‑Live‑1 арқылы нақты уақыттағы шағын дауыс жиынтығын түрлі акценттер, диалектілер мен тілдерді қамтитын кең таңдауға ұлғайтып, әзірлеушілерге көмекшілерінің қалай естілетінін таңдауға көбірек мүмкіндік береміз.
Алдағы айларда дауыс нұсқалары мен қолжетімді тілдер санын арттыра береміз.
GPT‑Live‑1 бүгін API-де қолжетімді(жаңа терезеде ашылады), ал фронтенд дауыс қабатының бағасы минутына 0,05 АҚШ долларын құрайды. Оны өніміңізге сай серверлік модельмен және агенттің тапсырма ортасымен біріктіріп, атқаратын жұмыс ауқымына сай кеңейетін дауыстық тәжірибе жасаңыз.
Арнайы дауысқа қол жеткізу талаптары мен өтінім беру тәртібі туралы толығырақ білу үшін сату бөліміне хабарласыңыз.
GPT‑Live‑1 негізінде дауыс жұмыс процестерін құрудың тағы бір жолы — модельді нақты уақыттағы дауыстық өзара әрекеттесулерді қамтамасыз ету үшін пайдаланатын OpenAI Presence шешімін қолдану. Presence кәсіпорындарға сұрақтарға жауап беретін, мәселелерді шешетін, компания жүйелерін пайдаланатын, мақұлданған әрекеттерді орындайтын және қажет болғанда жұмысты адамға тапсыратын сенімді жасанды интеллект агенттерін енгізуге көмектеседі. Толығырақ білу үшін OpenAI-дағы аккаунт директорыңызға хабарласыңыз.
