Үндсэн агуулга руу алгасах
OpenAI

2026 оны есдүгээр сарын 10

БүтээгдэхүүнШинэ хувилбар

API-д GPT‑Live‑1‑тай илүү байгалийн ярианы туршлагыг бүтээгээрэй

GPT‑Live‑1 нь ChatGPT‑ийн байгалийн бүрэн дуплекс яриаг API-д авчирч, дуу хоолойн агентууд хэрхэн ярьж, үйлдэхийг илүү сайн хянах боломж олгоно.

Ачаалж байна…

Бид GPT‑Live‑1-ийг API-д нэвтрүүлж, хөгжүүлэгчдэд дуу хоолойгоор ажилладаг аппликэйшн болон бизнесийн ажлын урсгал бүтээхэд зориулсан хүчирхэг, байгалийн дуу хоолойн загварыг санал болгож байна. ChatGPT‑д анх танилцуулсан, GPT‑Live‑1 нь нэгэн зэрэг сонсож, ярьж чаддаг бөгөөд Codex болон ChatGPT Ажил дээр харуулсанчлан⁠(шинэ цонхонд нээгдэнэ) илүү гүнзгий сэтгэн бодох болон үйлдлийг хослуулсан загвар, хэрэгслүүдэд шилжүүлэн даалгаж чадна.

GPT‑Live‑1‑ийн API хувилбарт хөгжүүлэгчид хэрэглэгч, ажлын урсгал, зорилгодоо нийцүүлэн дуу хоолойн хэрэглээг чиглүүлэх, өөрчлөх боломж олгох шинэ чадамжуудад анхаарлаа хандууллаа. GPT‑Live‑1‑ийн гол давуу тал болох тасалдлыг жигд зохицуулах чадвар бизнесийн үр нөлөөг аль хэдийн үзүүлж байна. Урьдчилсан үнэлгээгээр Speak нь GPT‑Live‑1 нь хэлний багш хариулахаас өмнө суралцагчдад бодох илүү хугацаа олгож, өмнөх ээлжид суурилсан системүүдтэй харьцуулахад тасалдлыг бараг 80%-иар бууруулсныг тогтоосон.

API дахь GPT‑Live‑1‑ийн гол давуу талууд:

  • Тасалдлыг зохицуулах: Орж ирэх болон гарч буй аудиог хамтад нь сэтгэн боловсруулдаг нэг загвараар тасалдлыг зохицуулах ажиллагааг сайжруулж, гинжилсэн STT–Том хэлний загвар (LLM)–TTS архитектурын саатал, найдваргүй шилжилтээс зайлсхийдэг.

  • Сэтгэн бодох & хэрэгслийн дуудлагыг шилжүүлэн даалгах: GPT‑Live‑1 нь сэтгэн бодох болон хэрэгслийн дуудлагыг GPT‑6 Astra зэрэг арын текстэн загвар эсвэл гуравдагч талын загварт шилжүүлэн даалгаж чадна.

  • Өнгө аяс, хэмнэл, хэв маяг: Хөгжүүлэгчид системийн промптоор агентийн өнгө аяс, хэмнэл, ярианы хэв маягийг тохируулах боломжтой.

  • Чимээгүй контекстийн удирдлага & арын чимээ: Яриаг тасалдуулахгүй, алхам бүрээ чангаар тайлбарлахгүйгээр арын чимээ болон чимээгүй үеийг илүү сайн зохицуулна.

  • Урт сессийн найдвартай байдал: Удаан үргэлжлэх харилцан ярианы турш контекст хадгалах чадвар болон ярианы чанарыг сайжруулна.

  • Телефоны дэмжлэг: Рестораны захиалгаас харилцагчийн үйлчилгээ хүртэлх утасны дуудлагад бүрэн дуплекс дуу хоолойн агент нэвтрүүлэх боломж олгоно.

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.

Энэ демо хязгаарлагдмал хугацаатай. Үүнийг ашигласнаар та OpenAI-ийн Үйлчилгээний нөхцөл болон Нууцлалын бодлого-ыг хүлээн зөвшөөрч байна.

Дуут агентын архитектураа хялбарчилж, дууны хоцролтыг бууруулаарай

Уламжлалт дуу хоолойн агентууд яриаг бичвэр болгох систем, сэтгэн бодох загвар, бичвэрийг яриа болгох системийг гинжилдэг. Шилжилт бүр саатал нэмж, ярианы цаглал, контекст эсвэл байгалийн хэмнэлийг алдах эрсдэлийг өсгөдөг. Хэн нэгэн яриаг таслах, түр завсарлах эсвэл чиглэлээ өөрчлөх үед яахыг оролцуулан эдгээр үе шатыг зохицуулах ажил ихэвчлэн хөгжүүлэгчдэд үлддэг.

GPT‑Live‑1 нь сонсох, ярих үйлдлийг нэг загварт гүйцэтгэж, дуу хоолойн давхаргыг хялбаршуулдаг. Энэ нь тасалдал, хариу дохионд тухайн агшинд нь хариу үйлдэл үзүүлж, илүү гүнзгий сэтгэн бодох ажлыг ард талд шилжүүлэн даалгаж чадна. Ингэснээр ажил ард үргэлжилж байх зуур яриа тасралтгүй өрнөнө.

“Манай шаталсан шийдэлтэй харьцуулахад GPT‑Live‑1 кодын санг 80%-иар хялбаршуулж, 23 мянган мөр кодыг арилгасан. Ингэснээр өвчтөнтэй байгалийн байдлаар бодит цагт ярилцах боломж бүрдэж, манай баг цаг товлохоос эхлээд тусламж үйлчилгээ авах замыг чиглүүлэх хүртэлх хэрэглээг сайжруулахад төвлөрөх боломжтой болсон.”
—Тони Стоянов, хамтран үүсгэн байгуулагч & технологи хариуцсан захирал

Хөгжүүлэгчид ярианы ард ажиллах загвар, хэрэгсэл, агентын хамгаалалтыг сонгоно. Жишээлбэл, хуваарь гаргах, захиалгын мэдээлэл шинэчлэх зэрэг их хэмжээний ажлыг GPT‑Live‑1 болон Luna шиг загвартай хослуулж, харин сэтгэн бодох шаардлагатай харилцагчийн төвөгтэй асуудалд Astra шиг загвар ашиглаж болно. Энэ уян хатан байдал нь ажил бүрд сэтгэн бодох гүн, хурд, зардлыг тохируулах боломжийг хөгжүүлэгчдэд олгоно.

GPT‑Live‑1 нь ASR транскрипт болон хариуны текстийг төрөлх байдлаар өгдөг. Мөн үсэг-тоон тэмдэгтүүдийг сайн ойлгож, түлхүүр үгт давуу жин олгохыг дэмждэг. GPT‑Live‑1 нь ээлжинд суурилсан загвар биш ч ярианы ээлж илрүүлэхийг төрөлх байдлаар дэмждэг тул хөгжүүлэгчид тодорхой ээлжийн заагт тулгуурлан бүтээх боломжтой.

Бүрэн дуплексийн давуу талыг хэмжих нь

Манай үнэлгээнүүдэд GPT‑Live‑1 нь Full Duplex Bench-ийн гүйцэтгэлийг GPT‑Realtime‑2.1-ээс 30 хувийн нэгжээр сайжруулсан, ээлж солилцох хоцролт болон харилцан үйлдлийн зан төлөвт ихээхэн ахиц гаргасан. Дунд түвшний сэтгэн бодох хүчин чармайлттай GPT‑6 Astra-тай хослоход, энэ нь цогц ажлуудад хил хязгаарын дуу хоолойн агентын оюун ухааныг хэмждэг Tau3-т мөн №1-т эрэмбэлэгддэг.

Агаарын тээвэр, жижиглэн худалдаа болон харилцаа холбооны чиглэл дэх ярианы хэрэглэгчийн үйлчилгээний даалгавруудыг үнэлдэг. Pass@1 нь даалгаврын амжилтыг хэмждэг; гарчиг нь чиглэл бүрт ижил жин өгдөг.


* GPT Live арын систем: Astra (дунд).

Мэдлэгийн хайлт болон дансны хэрэгслүүд ашиглан банкны дуу хоолойн дэмжлэгийг үнэлнэ. Pass@1 нь амжилттай гүйцэтгэсэн 97 banking_knowledge даалгаврын эзлэх хувь юм.


* GPT Live арын систем: Astra (дунд).

Түр зогсолтыг зохицуулах, ярианы ээлж солилцох, тасалдал болон дэмжих дохиог үнэлнэ.

Арын яриа, өөр хүнтэй ярьж буй яриа, сонсогчийн богино хариу үйлдэл болон тасалдлын хариу үйлдлийг туршина.

Хэрэглэгчийн ээлж дууссаны дараа агент хариулж эхлэх хурдыг хэмжинэ.

Байгалийн түр зогсолт, тээнэгэлзэл болон өөрийгөө зассан байдлыг агуулсан ярианы хүсэлтээс хэрэгсэл ашиглахыг туршина. Pass@1 нь хэрэгсэл дуудах дарааллыг оноодог.


* GPT Live арын систем: Terra (бага).

Завсарлага, тээнэгэлзэл, өөрийгөө зассан хэсгүүд агуулсан хэрэгсэл ашигладаг хүсэлтэд өгсөн аман хариултыг үнэлнэ. Хариулт нь лавлагааны зорилготой хэр нийцэж байгааг онооно.


* GPT Live арын систем: Terra (бага).

Хэрэглэгчид юу хэлж байна вэ

1 -н 4
“GPT‑Live‑1‑ийг Yelp Host болон Hatch-д нэмснээр манай уламжлалт дуу хоолойн архитектуртай харьцуулахад ярианы ээлж солилцоо, нарийвчлал сайжирсан. Yelp Host захиалга, хоолны захиалга зэрэг дуудлагад GPT‑Live‑1‑ээр хариулах үед дуудлагыг амжилттай шийдвэрлэх үзүүлэлт мэдэгдэхүйц сайжирч байна. Дуудлага хийсэн хүмүүс мөн илүү бүрэн, байгалийн өгүүлбэрээр ярьж байгаа нь утасны нөгөө талын туршлага үнэхээр өөр санагдаж байгааг харуулж байна.”
—Алекс Леви, технологи хариуцсан захирал

Дуу хоолойн шинэ сонголтууд

Хөгжүүлэгчдэд бүтээгдэхүүндээ тохирсон, хэрэглэгчдэд нь байгалийн мэт сонсогдох дуу хоолой хэрэгтэй. GPT‑Live‑1‑ээр бид бодит цагийн цөөн дуу хоолойноос өргөлт, нутгийн аялга, хэлний илүү өргөн сонголт руу тэлж, туслахынхаа дуу хоолойг сонгох боломжийг хөгжүүлэгчдэд нэмэгдүүлж байна.

Шинэ дуу хоолойг сонсоорой

Ирэх саруудад бид дуу хоолойн сонголт болон дэмжих хэлний тоог үргэлжлүүлэн нэмнэ.

Үнэ & ашиглах боломж

GPT‑Live‑1-ийн хэрэглэгчийн талын дуу хоолойн давхаргыг API-д өнөөдрөөс⁠(шинэ цонхонд нээгдэнэ) минут тутамд 0.05 $-оор ашиглах боломжтой. Үүнийг бүтээгдэхүүндээ тохирох сервер талын загвар болон агентын хамгаалалттай хослуулж, гүйцэтгэх ажилтайгаа хамт өргөжих дуу хоолойн хэрэглээг бүтээгээрэй.

GPT-Live-1-ийг Codex-т холбох

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-ийг Codex-той холбох. Энэхүү хэсэг нь аппликейшн харилцан ярианы контекстыг Codex руу хэрхэн дамжуулж, хариултыг нь GPT-Live-1 рүү буцаадаг болохыг харуулна. Холболтын тохиргоо болон шилжүүлэн гүйцэтгэх үйлдлийг орхигдуулсан.

Тусгай дуу хоолой ашиглах эрх болон хүсэлт гаргах үйл явцын талаар мэдэхийн тулд борлуулалтын багтай холбогдоно уу.

GPT‑Live‑1 дээр дуу хоолойн ажлын урсгал бүтээх өөр нэг арга нь загварыг ашиглан бодит цагийн дуут харилцан үйлчлэлийг дэмждэг OpenAI Presence-ийг ашиглах явдал юм. Presence нь байгууллагуудад асуултад хариулах, асуудал шийдвэрлэх, компанийн систем ашиглах, зөвшөөрөгдсөн үйлдэл хийх, шаардлагатай үед хүнд шилжүүлэх боломжтой итгэмжлэгдсэн AI агентуудыг нэвтрүүлэхэд тусалдаг. Дэлгэрэнгүй мэдээлэл авахын тулд OpenAI бүртгэл хариуцсан захиралтайгаа холбогдоно уу.

Зохиогч

OpenAI

Үргэлжлүүлэн уншина уу

Бүгдийг үзэх
Helping teens learn, plan, and shape the future of AI — Cover
Өсвөр үеийнхэнд суралцаж, AI-ийн ирээдүйг бүтээлцэхэд туслах

Бүтээгдэхүүн

GPT-6 болон Ухаалаг интерфэйс хүн бүрд

Бүтээгдэхүүн

Building advertising for the way people use AI — Cover
Хүмүүсийн хиймэл оюун ухааны хэрэглээнд нийцсэн зар сурталчилгааг бүтээх нь

Бүтээгдэхүүн