Kami melancarkan GPT‑Live‑1 dalam API, memberikan pembangun model suara yang berkuasa dan semula jadi untuk membina aplikasi berdaya suara serta aliran kerja perniagaan. Pertama kali diperkenalkan dalam ChatGPT, GPT‑Live‑1 mampu mendengar dan bercakap pada masa yang sama serta, seperti yang ditunjukkan melalui Codex dan ChatGPT Work⁠(dibuka dalam tetingkap baru), boleh menyerahkan penaakulan dan tindakan yang lebih mendalam kepada model serta alat yang digandingkan dengannya.

Untuk pelancaran GPT‑Live‑1 dalam API, kami menumpukan pada keupayaan baharu yang membolehkan pembangun mengawal dan menyesuaikan pengalaman suara mengikut pengguna, aliran kerja dan matlamat mereka. Salah satu kekuatan teras GPT‑Live‑1, iaitu pengendalian gangguan yang lancar, sudah memberikan impak perniagaan: dalam penilaian awal, Speak mendapati bahawa GPT‑Live‑1 memberi pelajar lebih banyak masa untuk berfikir sebelum tutor bahasa memberikan respons, sekali gus mengurangkan gangguan sebanyak hampir 80% berbanding sistem berasaskan giliran terdahulu.

Kekuatan utama GPT‑Live‑1 dalam API:

• Pengendalian gangguan: Memperbaik pengendalian gangguan melalui satu model yang menaakul audio masuk dan keluar secara serentak, sekali gus mengelakkan kependaman dan penyerahan rapuh dalam seni bina STT–LLM–TTS berantai.

• Penugasan penaakulan & panggilan alat: GPT‑Live‑1 boleh menyerahkan penaakulan dan panggilan alat kepada model teks bahagian belakang seperti GPT‑6 Astra atau model pihak ketiga.

• Nada, rentak dan gaya: Membolehkan pembangun membentuk nada, rentak dan gaya perbualan ejen melalui prom sistem.

• Pengurusan konteks senyap & hingar latar: Mengendalikan hingar latar dan kesenyapan dengan lebih baik tanpa mengganggu perbualan atau menyebut setiap langkah dengan kuat.

• Kebolehpercayaan sesi panjang: Meningkatkan pengekalan konteks dan kualiti perbualan sepanjang interaksi yang berlanjutan.

• Sokongan telefoni: Membolehkan penggunaan ejen suara dupleks penuh untuk panggilan telefon, daripada tempahan restoran hingga sokongan pelanggan.

Ejen suara tradisional menggabungkan pertuturan kepada teks, model penaakulan dan teks kepada pertuturan. Setiap penyerahan menambah kependaman dan meningkatkan risiko kehilangan pemasaan, konteks atau rentak semula jadi perbualan. Pembangun sering perlu menyelaraskan sendiri semua peringkat tersebut, termasuk perkara yang berlaku apabila seseorang mencelah, berhenti sejenak atau menukar haluan.

GPT‑Live‑1 mengendalikan pendengaran dan pertuturan dalam satu model, sekali gus memudahkan lapisan suara. Ia boleh memberikan respons kepada gangguan dan pengakuan semasa ia berlaku, sambil menyerahkan penaakulan yang lebih mendalam kepada bahagian belakang. Ini membolehkan perbualan diteruskan sementara kerja dilaksanakan di latar belakang.

Pembangun memilih model, alat dan harnes ejen di sebalik perbualan. Contohnya, mereka boleh menggandingkan GPT‑Live‑1 dengan model seperti Luna untuk tugasan berjumlah tinggi seperti penjadualan atau kemas kini pesanan, dan menggunakan model seperti Astra untuk isu pelanggan rumit yang memerlukan penaakulan. Fleksibiliti itu membolehkan pembangun memadankan kedalaman penaakulan, kelajuan dan kos dengan setiap tugasan.

GPT‑Live‑1 menyediakan transkrip ASR dan teks respons secara natif. Ia juga menawarkan pemahaman abjad angka yang kukuh dan menyokong pemberatan kata kunci. Walaupun GPT‑Live‑1 bukan model berasaskan giliran, ia menyokong pengesanan giliran secara natif, jadi pembangun boleh terus membina berdasarkan sempadan giliran yang jelas.

Dalam semua penilaian kami, GPT‑Live‑1 meningkatkan prestasi Full Duplex Bench sebanyak 30 mata peratusan berbanding GPT‑Realtime‑2.1, dengan peningkatan besar dalam kependaman pertukaran giliran dan tingkah laku interaktif. Apabila digandingkan dengan GPT‑6 Astra pada tahap usaha penaakulan sederhana, ia juga menduduki tempat pertama pada Tau3, yang mengukur kecerdasan ejen suara perbatasan dalam tugas hujung ke hujung.

Pembangun memerlukan suara yang sesuai dengan produk mereka dan kedengaran semula jadi kepada penggunanya. Dengan GPT‑Live‑1, kami memperluas pilihan daripada sebilangan kecil suara masa nyata kepada pelbagai loghat, dialek dan bahasa, sekali gus memberi pembangun lebih banyak pilihan untuk suara pembantu mereka.

Kami akan terus menambah pilihan suara dan ketersediaan bahasa dalam beberapa bulan akan datang.

GPT‑Live‑1 kini tersedia dalam API hari ini⁠(dibuka dalam tetingkap baru) pada harga $0.05 seminit untuk lapisan suara bahagian hadapan. Gandingkannya dengan model bahagian belakang dan abah-abah ejen yang sesuai dengan produk anda, kemudian bina pengalaman suara yang boleh diskalakan mengikut tugasan yang perlu dilaksanakan.

Untuk mengakses suara tersuai, hubungi bahagian jualan bagi mengetahui lebih lanjut tentang kelayakan dan proses permohonan.

Satu lagi cara untuk membina aliran kerja suara menggunakan GPT‑Live‑1 ialah dengan OpenAI Presence, yang menggunakan model untuk menggerakkan interaksi suara masa nyata. Presence membantu perusahaan melaksanakan ejen AI yang dipercayai untuk menjawab soalan, menyelesaikan isu, menggunakan sistem syarikat, mengambil tindakan yang diluluskan dan menyerahkan kepada manusia apabila perlu. Hubungi pengarah akaun OpenAI anda untuk mengetahui lebih lanjut.