Kalo te përmbajtja kryesore
OpenAI

10 shtator 2026

ProduktiPublikim

Krijo përvoja zanore më natyrale me GPT‑Live‑1 në API

GPT‑Live‑1 sjell në API bisedat natyrale dykahëshe të ChatGPT, me më shumë kontroll mbi mënyrën si agjentët zanorë flasin dhe veprojnë.

Duke ngarkuar…

Po hedhim në treg GPT‑Live‑1 në API, duke u ofruar zhvilluesve një model të fuqishëm e natyral zanor për krijimin e aplikacioneve me funksione zanore dhe flukse pune në biznes. I prezantuar fillimisht në ChatGPT, GPT‑Live‑1 mund të dëgjojë dhe të flasë njëkohësisht dhe, siç shihet me Codex dhe ChatGPT Work⁠(hapet në një dritare të re), mund t’ua delegojë arsyetimin më të thelluar dhe veprimet modeleve dhe mjeteve me të cilat çiftohet.

Për publikimin e GPT‑Live‑1 në API, jemi përqendruar tek aftësitë e reja që u lejojnë zhvilluesve të drejtojnë dhe të përshtatin përvojat zanore sipas përdoruesve, proceseve dhe objektivave të tyre. Një nga pikat e forta kryesore të GPT‑Live‑1, menaxhimi pa probleme i ndërprerjeve, tashmë ka filluar të sjellë ndikim në biznes: në vlerësimet e hershme, Speak zbuloi se GPT‑Live‑1 u dha nxënësve më shumë kohë për të menduar para se të përgjigjej mësuesi i gjuhës, duke ulur ndërprerjet me pothuajse 80% krahasuar me sistemet e mëparshme të bazuara në radhë.

Pikat e forta kryesore të GPT‑Live‑1 në API:

  • Trajtimi i ndërprerjeve: Përmirëson trajtimin e ndërprerjeve përmes një modeli të vetëm që arsyeton njëkohësisht mbi audion hyrëse dhe dalëse, duke shmangur vonesën dhe transferimet e brishta midis komponentëve të arkitekturave të lidhura në zinxhir STT–LLM–TTS.

  • Delegimi i arsyetimit dhe i thirrjeve të mjeteve: GPT‑Live‑1 mund t’ia delegojë arsyetimin dhe thirrjet e mjeteve një modeli tekstual të prapavijës, si GPT‑6 Astra ose një modeli pale të tretë.

  • Toni, ritmi dhe stili: U lejon zhvilluesve të përcaktojnë tonin, ritmin dhe stilin e bisedës së një agjenti përmes kërkesës së sistemit.

  • Menaxhimi i heshtur i kontekstit dhe zhurmës në sfond: Trajton më mirë zhurmën në sfond dhe heshtjen pa ndërprerë bisedën ose pa rrëfyer me zë çdo hap.

  • Besueshmëri në sesione të gjata: Përmirëson ruajtjen e kontekstit dhe cilësinë e bisedës gjatë ndërveprimeve të zgjatura.

  • Mbështetje telefonike: Mundëson vendosjen e agjentëve zanorë dykahësh për telefonata, nga rezervimet në restorante deri te mbështetja për klientët.

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.

Ky demonstrim është i kufizuar në kohë. Duke e përdorur, pranon kushtet e OpenAI dhe konfirmon politikën e privatësisë.

Thjeshto arkitekturën e agjentit tënd zanor dhe ul vonesën e zërit

Agjentët zanorë tradicionalë lidhin konvertimin e të folurit në tekst, një model arsyetimi dhe konvertimin e tekstit në të folur. Çdo kalim shton vonesë dhe krijon më shumë mundësi për të humbur kohëzimin, kontekstin ose ritmin natyral të bisedës. Shpesh zhvilluesve u mbetet t’i bashkërendojnë këto faza, përfshirë atë që ndodh kur dikush ndërpret, ndalon ose ndryshon drejtim.

GPT‑Live‑1 e menaxhon dëgjimin dhe të folurin në një model të vetëm, duke thjeshtuar shtresën e zërit. Mund t’u përgjigjet ndërprerjeve dhe konfirmimeve në çast, ndërsa arsyetimin më të thellë ia delegon backend-it. Kjo e lejon bisedën të vazhdojë ndërsa puna kryhet në sfond.

“Krahasuar me sistemin tonë me komponentë të lidhur në seri, GPT‑Live‑1 e thjeshtoi bazën tonë të kodit me 80% dhe hoqi 23 mijë rreshta kodi. Kjo mundësoi biseda natyrale me pacientët në kohë reale dhe i dha ekipit tonë më shumë mundësi për të përmirësuar përvojën, nga rezervimi i një takimi deri te orientimi në kujdesin shëndetësor.”
—Tony Stoyanov, Bashkëthemelues dhe drejtor i teknologjisë

Zhvilluesit zgjedhin modelet, mjetet dhe strukturën e agjentit pas bisedës. Për shembull, mund ta kombinojnë GPT‑Live‑1 me një model si Luna për detyra me volum të lartë, si planifikimi ose përditësimet e porosive, dhe të përdorin një model si Astra për çështje komplekse të klientëve që kërkojnë arsyetim. Ky fleksibilitet u lejon zhvilluesve të përshtatin thellësinë e arsyetimit, shpejtësinë dhe koston me çdo detyrë.

GPT‑Live‑1 ofron në mënyrë të integruar transkriptime ASR dhe tekstin e përgjigjeve. Ai gjithashtu ofron aftësi të forta për kuptimin e karaktereve alfanumerike dhe mbështet favorizimin e fjalëve kyçe. Edhe pse GPT‑Live‑1 nuk është model i bazuar në radhë, ai mbështet në mënyrë të integruar zbulimin e radhës, ndaj zhvilluesit mund të vazhdojnë të ndërtojnë mbi kufij të përcaktuar qartë të radhës.

Matja e përparësisë së komunikimit dykahësh

Në të gjitha vlerësimet tona, GPT‑Live‑1 përmirëson performancën në Full Duplex Bench me 30 pikë përqindjeje krahasuar me GPT‑Realtime‑2.1, me përmirësime të mëdha në vonesën e ndërrimit të radhës dhe në sjelljen ndërvepruese. I kombinuar me GPT‑6 Astra me nivel mesatar të përpjekjes së arsyetimit, renditet gjithashtu nr. 1 në Tau3, që mat inteligjencën avangardë të agjentëve zanorë në detyra nga fillimi në fund.

Vlerëson detyrat e shërbimit ndaj klientit nëpërmjet komunikimit të folur në domenet e linjave ajrore, shitjes me pakicë dhe telekomunikacioneve. Pass@1 mat suksesin e detyrës; titulli i jep secilës domen peshë të barabartë.


* Backend-i i GPT Live: Astra (mesatare).

Vlerëson mbështetjen bankare me zë duke përdorur gjetjen e njohurive dhe mjetet e llogarisë. Pass@1 është pjesa e 97 detyrave banking_knowledge të përfunduara me sukses.


* Backend-i i GPT Live: Astra (mesatare).

Vlerëson trajtimin e pauzave, alternimin e radhës së të folurit, ndërprerjet dhe sinjalet mbështetëse.

Teston reagimet ndaj të folurit në sfond, të folurit drejtuar një personi tjetër, sinjaleve të dëgjuesit dhe ndërprerjeve.

Mat se sa shpejt agjenti fillon të përgjigjet kur përdoruesi mbaron radhën.

Teston përdorimin e mjeteve nga kërkesat e folura që përmbajnë pauza natyrale, hezitime dhe vetëkorrigjime. Pass@1 vlerëson sekuencën e thirrjeve të mjetit.


* Backend-i i GPT Live: Terra (i ulët).

Vlerëson përgjigjen e folur ndaj kërkesave që përdorin mjete dhe përmbajnë pauza, hezitime dhe vetëkorrigjime. Vlerëson se sa mirë përgjigjja përputhet me synimin e referencës.


* Backend-i i GPT Live: Terra (i ulët).

Çfarë thonë klientët

1 nga 4
“Integrimi i GPT‑Live‑1 në Yelp Host dhe Hatch përmirësoi alternimin e radhës së të folurit dhe saktësinë krahasuar me arkitekturën tonë tradicionale zanore. Kur Yelp Host përdor GPT‑Live‑1 për t’iu përgjigjur telefonatave, për shembull, për rezervime dhe porosi ushqimi, po shohim përmirësime domethënëse në normat e trajtimit të telefonatave. Telefonuesit po flasin gjithashtu me fjali më të plota e më të natyrshme, çka na tregon se përvoja në anën tjetër të telefonit ndihet vërtet ndryshe.”
—Alex Levy, Drejtor i Teknologjisë

Opsione të reja zëri

Zhvilluesve u duhen zëra që i përshtaten produktit të tyre dhe tingëllojnë natyrshëm për përdoruesit. Me GPT‑Live‑1, po kalojmë nga një grup i vogël zërash në kohë reale te një përzgjedhje më e gjerë theksesh, dialektesh dhe gjuhësh, duke u dhënë zhvilluesve më shumë mundësi për të zgjedhur si tingëllojnë asistentët e tyre.

Dëgjo zërat e rinj

Gjatë muajve të ardhshëm do të vazhdojmë të shtojmë opsione zëri dhe gjuhë të disponueshme.

Çmimet dhe disponueshmëria

GPT‑Live‑1 ofrohet sot në API⁠(hapet në një dritare të re) me çmim 0,05 USD për minutë për shtresën zanore të ndërfaqes së frontend-it. Kombinoje me modelin e backend-it dhe strukturën e agjentit që i përshtaten produktit tënd, pastaj krijo një përvojë zanore që mund të zgjerohet sipas punës që duhet të kryejë.

Lidhja e GPT-Live-1 me Codex

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
}

Lidhja e GPT-Live-1 me Codex. Ky fragment tregon se si një aplikacion ia kalon Codex kontekstin e bisedës dhe e kthen përgjigjen e tij te GPT-Live-1. Konfigurimi i lidhjes dhe menaxhimi i delegimit janë lënë jashtë.

Për akses te zërat e personalizuar, kontakto ekipin e shitjeve që të mësosh më shumë për përshtatshmërinë dhe procesin e kërkesës.

Një mënyrë tjetër për të ndërtuar flukse pune zanore mbi GPT‑Live‑1 është përmes OpenAI Presence, që përdor modelin për të mundësuar ndërveprime zanore në kohë reale. Presence i ndihmon ndërmarrjet të vendosin agjentë të besuar të IA-së, të cilët mund t’u përgjigjen pyetjeve, të zgjidhin probleme, të përdorin sistemet e kompanisë, të ndërmarrin veprime të miratuara dhe t’ua kalojnë çështjet njerëzve sipas nevojës. Kontakto drejtorin e llogarisë sate në OpenAI për të mësuar më shumë.

Autori

OpenAI

Vazhdo të lexosh

Shiko të gjitha
Helping teens learn, plan, and shape the future of AI — Cover
Adoleshentët mësojnë, planifikojnë e formësojnë të ardhmen e IA

Produkti

GPT-6 dhe Ndërfaqja inteligjente për të gjithë

Produkti

Building advertising for the way people use AI — Cover
Zhvillimi i reklamimit sipas mënyrës si njerëzit përdorin IA-në

Produkti