Pristatome „GPT‑Live‑1“ API sąsajoje – taip kūrėjams suteikiame galingą, natūralų balso modelį, skirtą balsu valdomoms programoms ir verslo darbo eigoms kurti. Pirmą kartą „ChatGPT“ pristatytas „GPT‑Live‑1“ gali tuo pat metu klausytis ir kalbėti, be to, kaip matėme naudojant „Codex“ ir „ChatGPT Work“(atsidaro naujame lange), jis gali perduoti sudėtingesnes protavimo užduotis ir veiksmus kitiems su juo susietiems modeliams bei įrankiams.
Išleisdami „GPT‑Live‑1“ API sąsajoje, sutelkėme dėmesį į naujas galimybes, leidžiančias kūrėjams valdyti ir pritaikyti balso patirtį savo naudotojams, darbo eigoms bei tikslams. Pagrindinis „GPT‑Live‑1“ pranašumas – sklandus pertraukimų valdymas – jau teikia apčiuopiamą naudą verslui: atlikus pirmuosius vertinimus, įmonė „Speak“ pastebėjo, kad „GPT‑Live‑1“ besimokantiesiems suteikė daugiau laiko pagalvoti prieš atsakant kalbų mokytojui, o pertraukimų skaičius sumažėjo beveik 80 proc., palyginti su ankstesnėmis eiliškumu pagrįstomis sistemomis.
Pagrindiniai „GPT‑Live‑1“ pranašumai API sąsajoje:
pertraukimų valdymas: pagerina pertraukimų valdymą, nes vienas modelis kartu analizuoja įeinantį ir išeinantį garsą – taip išvengiama vėlavimo ir nepatikimo duomenų perdavimo, būdingo grandininėms STT–LLM–TTS architektūroms;
protavimo ir įrankių kvietimo perdavimas: „GPT‑Live‑1“ gali perduoti protavimo ir įrankių kvietimo užduotis tekstiniam vidaus sistemos modeliui, pavyzdžiui, „GPT‑6 Astra“, arba trečiosios šalies modeliui;
tonas, tempas ir stilius: leidžia kūrėjams formuoti agento toną, tempą ir bendravimo stilių naudojant sistemos užklausą.
Tylus konteksto valdymas & foninis triukšmas: geriau valdo foninį triukšmą ir tylą, nenutraukdamas pokalbio ir garsiai nekomentuodamas kiekvieno žingsnio.
Patikimumas per ilgas sesijas: geriau išlaikomas kontekstas ir pokalbio kokybė ilgai trunkant sąveikai.
Telefonijos palaikymas: suteikia galimybę diegti visapusio duplekso balso agentus telefono skambučiams—nuo staliukų rezervavimo restorane iki klientų aptarnavimo.
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.
Šios demonstracinės versijos laikas ribotas. Naudodamiesi ja sutinkate su „OpenAI“ naudojimo sąlygomis ir patvirtinate, kad susipažinote su privatumo politika.
Tradiciniai balso agentai sujungia kalbos vertimo tekstu funkciją, protavimo modelį ir teksto vertimo kalba funkciją. Kiekvienas perdavimas didina delsą ir riziką prarasti tinkamą laiką, kontekstą ar natūralų pokalbio ritmą. Dažnai būtent kūrėjams tenka koordinuoti šiuos etapus, įskaitant veiksmus pašnekovui pertraukus, stabtelėjus ar pakeitus pokalbio kryptį.
„GPT‑Live‑1“ klausosi ir kalba naudodamas vieną modelį – tai supaprastina balso sluoksnį. Jis gali iš karto reaguoti į pertraukimus ir patvirtinimus, o sudėtingesnes protavimo užduotis perduoti vidaus sistemai. Tai leidžia nenutraukti pokalbio, kol fone atliekamos užduotys.
Kūrėjai pasirenka pokalbį palaikančius modelius, įrankius ir agento infrastruktūrą. Pavyzdžiui, didelės apimties užduotims, tokioms kaip planavimas ar užsakymų naujinimas, jie gali susieti GPT‑Live‑1 su tokiu modeliu kaip Luna, o sudėtingoms klientų problemoms, kurioms reikia protavimo, naudoti tokį modelį kaip Astra. Šis lankstumas leidžia kūrėjams kiekvienai užduočiai parinkti tinkamą protavimo gylį, spartą ir kainą.
„GPT‑Live‑1“ tiesiogiai pateikia ASR (automatinio kalbos atpažinimo) transkripcijas ir atsakymų tekstą. Jis taip pat puikiai atpažįsta raides bei skaičius ir palaiko raktinių žodžių sureikšminimą. Nors „GPT‑Live‑1“ nėra eiliškumu pagrįstas modelis, jis tiesiogiai palaiko eiliškumo aptikimą, todėl kūrėjai gali toliau kurti sistemas remdamiesi aiškiomis eiliškumo ribomis.
Mūsų vertinimais, „GPT‑Live‑1“ „Full Duplex Bench“ testo rezultatai yra 30 procentinių punktų geresni, palyginti su „GPT‑Realtime‑2.1“, ir gerokai sumažina eiliškumo vėlavimą bei pagerina interaktyvią elgseną. Susietas su „GPT‑6 Astra“ ir naudojant vidutines protavimo pastangas, jis taip pat užima pirmąją vietą „Tau3“ teste, matuojančiame priešakinių balso agentų intelektą atliekant ištisines užduotis.
Vertina balsu atliekamas klientų aptarnavimo užduotis oro linijų, mažmeninės prekybos ir telekomunikacijų srityse. „Pass@1“ matuoja užduočių atlikimo sėkmę; pagrindiniame rodiklyje kiekvienai sričiai suteikiamas vienodas svoris.
* „GPT Live“ vidaus sistema: „Astra“ (vidutinio dydžio).
Vertina banko klientų aptarnavimą balsu, pasitelkiant žinių paiešką ir paskyros įrankius. „Pass@1“ atspindi sėkmingai atliktų užduočių dalį iš 97 „banking_knowledge“ užduočių.
* „GPT Live“ vidaus sistema: „Astra“ (vidutinio lygio).
Vertina pauzių valdymą, pokalbio eiliškumą, pertraukimus ir klausytojo reakcijas.
Tikrina reakcijas į foninę kalbą, kalbėjimą su kitu asmeniu, klausytojo reakcijas ir pertraukimus.
Matuoja, kaip greitai agentas pradeda atsakinėti naudotojui baigus kalbėti.
Tikrina įrankių naudojimą pagal balsu pateiktas užklausas su natūraliomis pauzėmis, dvejojimu ir pasitaisymais. „Pass@1“ vertina įrankių kvietimo seką.
* „GPT Live“ vidaus sistema: „Terra“ (žemo lygio).
Vertina balsu pateiktą atsakymą į įrankių naudojimo užklausas, kuriose pasitaiko pauzių, dvejojimo ir pasitaisymų. Vertina, kaip atsakymas atitinka numatytą ketinimą.
* „GPT Live“ vidaus sistema: „Terra“ (žemo lygio).
Kūrėjams reikia balsų, kurie tiktų jų produktui ir jo naudotojams skambėtų natūraliai. Su GPT‑Live‑1 nuo nedidelio realiojo laiko balsų rinkinio pereiname prie platesnio akcentų, dialektų ir kalbų pasirinkimo, kad kūrėjai galėtų lengviau parinkti savo asistentų skambesį.
Artimiausiais mėnesiais ir toliau plėsime balsų bei kalbų pasirinkimą.
„GPT‑Live‑1“ nuo šiandien prieinamas API sąsajoje(atsidaro naujame lange) – priekinės sistemos balso sluoksnio kaina siekia 0,05 USD per minutę. Susiekite jį su jūsų produktui tinkančiu vidaus sistemos modeliu ir agento infrastruktūra, o tada sukurkite balso patirtį, kurią galima plėsti atsižvelgiant į atliekamų darbų apimtį.
Norėdami gauti pasirinktinio balso prieigą, susisiekite su pardavimo skyriumi, kad sužinotumėte daugiau apie atitiktį reikalavimams ir paraiškų teikimo procesą.
Kitas būdas kurti balso darbo eigas naudojant „GPT‑Live‑1“ – pasitelkti „OpenAI Presence“, kuris naudoja šį modelį realiojo laiko balso sąveikoms užtikrinti. „Presence“ padeda įmonėms diegti patikimus DI agentus, galinčius atsakyti į klausimus, spręsti problemas, naudotis įmonės sistemomis, atlikti patvirtintus veiksmus ir, prireikus, perduoti pokalbį darbuotojams. Susisiekite su savo „OpenAI“ klientų vadovu, kad sužinotumėte daugiau.
