Preskočite na glavno vsebino
OpenAI

10. september 2026

IzdelekIzdaja

Z GPT‑Live‑1 v API-ju ustvarite naravnejše glasovne izkušnje.

GPT‑Live‑1 prinaša ChatGPT‑jeve naravne obojesmerne pogovore v API-ju ter več nadzora nad tem, kako glasovni agenti govorijo in delujejo.

Nalaganje …

GPT‑Live‑1 uvajamo v API-ju ter razvijalcem ponujamo zmogljiv, naraven glasovni model za razvoj glasovno podprtih aplikacij in poslovnih delovnih tokov. GPT‑Live‑1 , prvič predstavljen v ChatGPT‑ju, lahko hkrati posluša in govori ter lahko, kot smo videli pri Codexu in ChatGPT Work⁠(odpre se v novem oknu), poglobljeno sklepanje in dejanja delegira modelom in orodjem, s katerimi je povezan.

Pri izdaji GPT‑Live‑1 za API smo se osredotočili na nove zmogljivosti, ki razvijalcem omogočajo usmerjanje in prilagajanje glasovnih izkušenj uporabnikom, delovnim tokovom in ciljem. Ključna prednost GPT‑Live‑1, nemoteno obvladovanje prekinitev, že prinaša poslovne učinke: Speak je v zgodnjih vrednotenjih ugotovil, da je GPT‑Live‑1 učencem dal več časa za razmislek, preden se je odzval učitelj jezika, in v primerjavi s prejšnjimi sistemi izmenjavanja besede število prekinitev zmanjšal za skoraj 80 %.

Ključne prednosti GPT‑Live‑1 v API-ju:

  • Obravnava prekinitev: Izboljšuje obravnavo prekinitev z enim samim modelom, ki skupaj sklepa na podlagi dohodnega in odhodnega zvoka, ter se tako izogne zakasnitvam in nezanesljivim predajam verižnih arhitektur STT–veliki jezikovni model–TTS.

  • Delegiranje sklepanja in klicev orodij: GPT‑Live‑1 lahko sklepanje in klice orodij prenese na zaledni besedilni model, kot je GPT‑6 Astra, ali model drugega ponudnika.

  • Ton, tempo in slog: Razvijalcem omogoča, da s sistemskim pozivom oblikujejo ton, tempo in pogovorni slog agenta.

  • Tiho upravljanje konteksta & hrupa v ozadju: Bolje obravnava hrup v ozadju in tišino, ne da bi prekinjal pogovor ali vsak korak opisoval na glas.

  • Zanesljivost dolgih sej: Izboljšuje ohranjanje konteksta in kakovost pogovora med daljšimi interakcijami.

  • Podpora telefoniji: Omogoča uvedbo obojesmernih glasovnih agentov za telefonske klice, od rezervacij v restavracijah do podpore strankam.

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.

Ta predstavitev je časovno omejena. Z uporabo se strinjate s pogoji podjetja OpenAI in potrjujete, da ste seznanjeni z našim Pravilnikom o zasebnosti.

Poenostavite arhitekturo glasovnega agenta in zmanjšajte zakasnitev oz. latenco glasu

Običajni glasovni agenti povezujejo pretvorbo govora v besedilo, model sklepanja in pretvorbo besedila v govor. Vsaka predaja poveča zakasnitev in možnost izgube pravega trenutka, konteksta ali naravnega ritma pogovora. Usklajevanje teh faz pogosto ostane razvijalcem, vključno z odzivom na prekinitve, premore ali spremembe smeri pogovora.

GPT‑Live‑1 poslušanje in govor združuje v enem modelu ter tako poenostavi glasovno plast. Na prekinitve in potrditve se lahko odzove sproti, poglobljeno sklepanje pa prenese v zaledje. Tako se lahko pogovor nadaljuje, medtem ko delo poteka v ozadju.

“GPT‑Live‑1 je v primerjavi z našo kaskadno rešitvijo poenostavil našo kodno zbirko za 80 % in odpravil 23.000 vrstic kode. To je omogočilo naravne pogovore s pacienti v realnem času & naši ekipi dalo več časa za izboljšanje izkušnje od rezervacije termina do usmerjanja po zdravstveni oskrbi.”
– Tony Stoyanov, soustanovitelj in izvršni tehnični direktor

Razvijalci izberejo modele, orodja in ogrodje agenta v ozadju pogovora. GPT‑Live‑1 lahko na primer združijo z modelom Luna za množična opravila, kot so načrtovanje terminov ali obvestila o naročilih, model Astra pa uporabijo za zapletene težave strank, ki zahtevajo sklepanje. Ta prilagodljivost razvijalcem omogoča, da vsakemu opravilu prilagodijo globino sklepanja, hitrost in stroške.

GPT‑Live‑1 izvorno zagotavlja prepise ASR in besedilo odgovorov. Ponuja tudi dobro razumevanje črk in številk ter podpira prednostno obravnavo ključnih besed. Čeprav GPT‑Live‑1 ni model izmeničnega govora oz. izmenjavanja besede, izvorno podpira zaznavanje izmenjav, zato lahko razvijalci še naprej gradijo na jasno določenih mejah posameznih izmenjav.

Merjenje prednosti polnega dupleksa

V naših vrednotenjih GPT‑Live‑1 v primerjavi z GPT‑Realtime‑2.1 izboljša uspešnost na preizkusu Full Duplex Bench za 30 odstotnih točk, z velikimi izboljšavami pri zakasnitvi pri izmenjavi govora in interaktivnem vedenju. Skupaj z GPT‑6 Astra pri srednji ravni sklepanja zaseda tudi 1. mesto na preizkusu Tau3, ki meri prelomno inteligenco glasovnih agentov pri nalogah od začetka do konca.

Ocenjuje govorne naloge podpore za stranke na področjih letalskih prevozov, maloprodaje in telekomunikacij. Pass@1 meri uspešnost nalog; naslov vsakemu področju pripisuje enako težo.


* Zaledje GPT Live: Astra (srednje).

Ocenjuje govorno bančno podporo z orodji za pridobivanje znanja in orodji za račune. Pass@1 je delež 97 nalog banking_knowledge, ki so uspešno dokončane.


* Zaledje GPT Live: Astra (srednje).

Ocenjuje obravnavo premorov, izmenjavanje besede, prekinitve in kratke odzive sogovorca.

Preizkuša odzive na govor v ozadju, govor, namenjen drugi osebi, povratne signale poslušalca in prekinitve.

Meri, kako hitro agent začne odgovarjati, ko uporabnik konča svoj govor.

Preizkuša uporabo orodij pri govorjenih zahtevah, ki vsebujejo naravne premore, omahovanja in samopopravke. Pass@1 ocenjuje zaporedje priklicev orodja.


* Zaledni sistem GPT Live: Terra (nizko).

Ocenjuje govorjeni odgovor na zahteve, ki uporabljajo orodja ter vsebujejo premore, oklevanja in samopopravke. Ocenjuje, kako dobro se odgovor ujema z referenčnim namenom.


* Zaledni sistem GPT Live: Terra (nizko).

Kaj pravijo stranke

1 od 4
“Z vključitvijo GPT‑Live‑1 v Yelp Host in Hatch smo v primerjavi z običajno glasovno arhitekturo izboljšali izmenjavanje besede in natančnost. Ko Yelp Host uporablja GPT‑Live‑1 za sprejemanje klicev, denimo za rezervacije in naročila hrane, opažamo občutno boljšo uspešnost obravnave klicev. Klicatelji govorijo tudi v celovitejših in bolj naravnih stavkih, kar kaže, da je izkušnja na drugi strani telefona resnično drugačna.”
– Alex Levy, glavni tehnološki direktor

Nove glasovne možnosti

Razvijalci potrebujejo glasove, ki ustrezajo njihovemu izdelku in uporabnikom zvenijo naravno. Z GPT‑Live‑1 majhen nabor glasov v realnem času širimo z večjo izbiro naglasov, narečij in jezikov, zato imajo razvijalci več možnosti pri izbiri glasu svojih pomočnikov.

Poslušajte nove glasove

V prihodnjih mesecih bomo še naprej širili izbiro glasov in razpoložljivost jezikov.

Cene & razpoložljivost

GPT‑Live‑1 je danes na voljo v API-ju⁠(odpre se v novem oknu) po ceni $0.05 na minuto za čelno glasovno plast. Združite ga z zalednim modelom in ogrodjem agenta, ki ustrezata vašemu izdelku, nato pa ustvarite glasovno izkušnjo, ki se lahko prilagaja obsegu dela, ki ga mora opraviti.

Povezovanje GPT-Live-1 s Codexom

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
}

Povezovanje GPT-Live-1 s Codexom. Ta odlomek prikazuje, kako aplikacija posreduje kontekst pogovora Codexu in vrne njegov odgovor GPT-Live-1. Vzpostavitev povezave in obravnava delegiranja sta izpuščeni.

Za dostop do glasov po meri se obrnite na prodajno ekipo ter izvedite več o pogojih in postopku oddaje zahteve.

Drug način za izdelavo glasovnih delovnih tokov na podlagi GPT‑Live‑1 je uporaba OpenAI Presence, ki uporablja model za glasovne interakcije v realnem času. Presence podjetjem pomaga uvajati zaupanja vredne agente UI, ki lahko odgovarjajo na vprašanja, rešujejo težave, uporabljajo sisteme podjetja, izvajajo odobrena dejanja in po potrebi zadeve predajo ljudem. Za več informacij se obrnite na svojega vodjo računa pri OpenAI.

Avtorji

OpenAI

Berite naprej

Prikaži vse
Helping teens learn, plan, and shape the future of AI — Cover
Pomoč najstnikom: učenje, načrti in oblikovanje prihodnosti UI

Izdelek

GPT-6 in inteligentni uporabniški vmesnik za vse

Izdelek

Building advertising for the way people use AI — Cover
Oglaševanje, prilagojeno temu, kako ljudje uporabljajo umetno inteligenco

Izdelek