Покрећемо GPT‑Live‑1 у API-ју, пружајући програмерима моћан, природан гласовни модел за израду апликација са гласовним функцијама и пословних токова рада. Први пут представљен у ChatGPT‑ју, GPT‑Live‑1 може истовремено да слуша и говори и, као што се види на примерима Codex-а и ChatGPT Work-а(отвара се у новом прозору), може да препусти сложеније закључивање и радње моделима и алаткама са којима је упарен.
За објављивање GPT‑Live‑1 у API-ју усредсредили смо се на нове могућности које програмерима омогућавају да усмеравају и прилагођавају гласовна искуства према корисницима, токовима рада и циљевима. Једна од кључних предности GPT‑Live‑1, неометано управљање прекидима, већ доноси пословне резултате: у раним проценама Speak је утврдио да је GPT‑Live‑1 ученицима пружио више времена за размишљање пре него што наставник језика одговори, смањујући прекиде за скоро 80% у односу на претходне системе засноване на смењивању.
Кључне предности GPT‑Live‑1 у API-ју:
Управљање прекидима: Побољшава управљање прекидима помоћу једног модела који заједно обрађује долазни и одлазни звук, чиме се избегавају кашњење и непоуздане примопредаје у ланчаним STT–LLM–TTS архитектурама.
Делегирање резоновања и позива алата: GPT‑Live‑1 може да делегира резоновање и позиве алата позадинском текстуалном моделу као што је GPT‑6 Astra или моделу треће стране.
Тон, темпо и стил: Омогућава програмерима да системском инструкцијом обликују тон, темпо и стил разговора агента.
Тихо управљање контекстом и позадинска бука: Боље управља позадинском буком и тишином без прекидања разговора или гласног описивања сваког корака.
Поузданост дугих сесија: Побољшава задржавање контекста и квалитет разговора током дужих интеракција.
Подршка за телефонију: Омогућава примену потпуно дуплексних гласовних агената за телефонске позиве, од резервација у ресторанима до корисничке подршке.
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.
Ова демонстрација је временски ограничена. Њеним коришћењем пристајете на Услове компаније OpenAI и потврђујете да сте упознати са нашом Политика приватности.
Традиционални гласовни агенти повезују претварање говора у текст, модел резоновања и претварање текста у говор. Свака примопредаја повећава кашњење и ризик од губитка правовремености, контекста или природног ритма разговора. Програмерима често остаје да координишу те фазе, укључујући и оно што се дешава када неко прекине, застане или промени правац разговора.
GPT‑Live‑1 обједињује слушање и говор у једном моделу, поједностављујући гласовни слој. Може одмах да реагује на прекиде и потврде, док сложеније резоновање поверава позадинском систему. Тако разговор може да се настави док се рад одвија у позадини.
Програмери бирају моделе, алатке и окружење агента који стоје иза разговора. На пример, могу да упаре GPT‑Live‑1 са моделом као што је Luna за обимне задатке попут заказивања или обавештавања о поруџбинама, а модел као што је Astra да користе за сложене проблеме корисника који захтевају резоновање. Та флексибилност омогућава програмерима да за сваки задатак ускладе дубину резоновања, брзину и трошкове.
GPT‑Live‑1 изворно пружа ASR транскрипте и текст одговора. Такође добро разуме алфанумерички садржај и подржава давање предности кључним речима. Иако GPT‑Live‑1 није модел заснован на смењивању, изворно подржава откривање смене саговорника, па програмери и даље могу да граде системе око изричитих граница између реплика.
У нашим проценама GPT‑Live‑1 побољшава учинак на тесту Full Duplex Bench за 30 процентних поена у односу на GPT‑Realtime‑2.1, уз значајна побољшања у кашњењу при смењивању саговорника и интерактивном понашању. Упарен са GPT‑6 Astra уз средњи ниво напора за резоновање, такође заузима 1. место на тесту Tau3, који мери граничну интелигенцију гласовних агената на целовитим задацима.
Процењује задатке у корисничкој подршци путем говора у областима авио-саобраћаја, малопродаје и телекомуникација. Pass@1 мери успешност задатка; наслов сваком домену приписује једнаку тежину.
* Позадински систем GPT Live: Astra (средњи).
Процењује говорну корисничку подршку у банкарству уз преузимање знања и алатке за рад са налозима. Pass@1 представља удео од 97 задатака у оквиру скупа banking_knowledge који су успешно обављени.
* позадински систем GPT Live: Astra (средње).
Процењује управљање паузама, смењивање саговорника у разговору, прекиде и повратне сигнале.
Тестира реакције на говор у позадини, говор упућен другој особи, реакције слушаоца и прекиде.
Мери колико брзо агент започиње свој одговор након што корисник заврши свој ред.
Тестира позивање алата на основу изговорених захтева који садрже природне паузе, оклевања и самосталне исправке. Pass@1 оцењује низ позива алата.
* позадински систем GPT Live: Terra (низак).
Процењује изговорени одговор на захтеве који подразумевају употребу алата и садрже паузе, оклевања и самосталне исправке. Оцењује колико се одговор подудара са референтном намером.
* позадински систем GPT Live: Terra (низак).
Програмерима су потребни гласови који одговарају њиховом производу и звуче природно људима који га користе. Уз GPT‑Live‑1 проширујемо мали скуп гласова у реалном времену ширим избором акцената, дијалеката и језика, па програмери могу лакше да одаберу како ће њихови асистенти звучати.
Наставићемо да проширујемо избор гласова и доступност језика током наредних месеци.
GPT‑Live‑1 је данас доступан у API-ју(отвара се у новом прозору) по цени од 0,05 USD по минуту за предњи гласовни слој. Упарите га са моделом на серверској страни и окружењем за покретање агента који одговарају вашем производу, а затим направите гласовно искуство које може да се прилагођава обиму посла који треба да обави.
За приступ прилагођеним гласовима обратите се продајном тиму да бисте сазнали више о условима и поступку подношења захтева.
Још један начин за изградњу гласовних токова рада заснованих на GPT‑Live‑1 јесте коришћење OpenAI Presence, који користи модел за гласовне интеракције у реалном времену. Presence помаже предузећима да примене поуздане AI агенте који могу да одговарају на питања, решавају проблеме, користе системе предузећа, предузимају одобрене радње и, по потреби, проследе случај људима. Обратите се свом директору налога у компанији OpenAI да бисте сазнали више.
