GPT‑Live‑1'i API'de kullanıma sunuyoruz. Böylece geliştiricilere ses destekli uygulamalar ve iş akışları oluşturmaları için güçlü ve doğal bir sesli iletişim modeli sağlıyoruz. İlk olarak ChatGPT'de sunulan GPT‑Live‑1, aynı anda hem dinleyip hem konuşabiliyor ve Codex ve ChatGPT Çalışma örneklerinde olduğu gibi(yeni bir pencerede açılır), daha derin akıl yürütmeyi ve işlemleri birlikte çalıştığı modellere ve araçlara devredebiliyor.
GPT‑Live‑1'in API sürümünde, geliştiricilerin sesli deneyimleri kullanıcılarına, iş akışlarına ve hedeflerine göre yönlendirip özelleştirmesini sağlayan yeni yeteneklere odaklandık. GPT‑Live‑1'in güçlü yanlarından biri olan söz kesilmelerini sorunsuzca yönetme yeteneği, şimdiden işletmelere somut fayda sağlıyor. Speak, ilk değerlendirmelerinde GPT‑Live‑1'in dil eğitmeni yanıt vermeden önce öğrencilere düşünmek için daha fazla zaman tanıdığını ve önceki sırayla konuşmaya dayalı sistemlere kıyasla söz kesilmelerini neredeyse %80 azalttığını gördü.
API'de GPT‑Live‑1'in öne çıkan güçlü yanları:
Söz kesilmelerini yönetme: Gelen ve giden sesi birlikte değerlendirip akıl yürüten tek bir modelle söz kesilmelerini daha iyi yönetir; birbirine bağlı STT–LLM–TTS mimarilerindeki gecikmeleri ve aksaklığa açık bileşen geçişlerini önler.
Akıl yürütmeyi ve araç çağrılarını devretme: GPT‑Live‑1, akıl yürütmeyi ve araç çağrılarını GPT‑6 Astra gibi bir arka uç metin modeline ya da üçüncü taraf bir modele devredebiliyor.
Ton, hız ve tarz: Geliştiricilerin sistem promptuyla ajanın tonunu, konuşma hızını ve sohbet tarzını belirlemesini sağlar.
Sessiz bağlam yönetimi ve arka plan gürültüsü: Sohbeti kesmeden veya her adımı sesli olarak anlatmadan arka plan gürültüsünü ve sessizliği daha iyi yönetir.
Uzun oturumlarda güvenilirlik: Uzun süreli etkileşimlerde bağlamın korunmasını ve sohbet kalitesini iyileştirir.
Telefon desteği: Restoran rezervasyonlarından müşteri desteğine kadar çeşitli telefon görüşmeleri için tam çift yönlü sesli iletişim ajanlarının devreye alınmasını sağlar.
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.
Bu demo belirli bir süreyle sınırlıdır. Bunu kullanarak OpenAI'ın Kullanım Şartları'nı kabul eder ve Gizlilik Politikası'nı okuduğunuzu onaylarsınız.
Geleneksel sesli iletişim ajanları; konuşarak yazma, akıl yürütme modeli ve metni sese dönüştürme bileşenlerini birbirine bağlar. Her geçiş gecikmeyi artırır ve zamanlamanın, bağlamın ya da sohbetin doğal ritminin kaybolabileceği yeni noktalar yaratır. Birinin söz kesmesi, duraklaması veya yön değiştirmesi durumunda yapılacaklar dahil olmak üzere bu aşamaları koordine etme işi çoğu zaman geliştiricilere kalır.
GPT‑Live‑1, dinleme ve konuşmayı tek bir modelde birleştirerek ses katmanını sadeleştiriyor. Söz kesildiğinde veya dinleyici kısa bir onay ifadesi kullandığında anında karşılık verebiliyor; daha derin akıl yürütmeyi ise arka uca devredebiliyor. Böylece arka planda işler yürütülürken sohbet devam edebiliyor.
Geliştiriciler sohbetin arkasındaki modelleri, araçları ve ajan düzeneğini seçer. Örneğin GPT‑Live‑1'i planlama veya sipariş güncellemeleri gibi yüksek hacimli işler için Luna gibi bir modelle, akıl yürütme gerektiren karmaşık müşteri sorunları içinse Astra gibi bir modelle eşleştirebilirler. Bu esneklik, geliştiricilerin akıl yürütme derinliğini, hızı ve maliyeti her göreve göre ayarlamasını sağlar.
GPT‑Live‑1, yerleşik olarak otomatik konuşma tanıma (ASR) dökümleri ve yanıt metni sunuyor. Ayrıca harf ve sayı dizilerini güçlü biçimde anlayabiliyor ve anahtar kelimelere öncelik verilmesini destekliyor. GPT‑Live‑1 sırayla konuşmaya dayalı bir model olmasa da konuşma sıralarını algılama özelliğine yerleşik olarak sahip. Böylece geliştiriciler, konuşma sıralarının belirgin sınırlarını temel alan uygulamalar geliştirmeyi sürdürebiliyor.
Değerlendirmelerimizde GPT‑Live‑1, Full Duplex Bench performansında GPT‑Realtime‑2.1'e kıyasla yüzde 30 puanlık artış sağlarken konuşma sırası geçişlerindeki gecikme ve etkileşim davranışları açısından da büyük iyileşmeler sunuyor. Orta akıl yürütme düzeyiyle çalışan GPT‑6 Astra ile eşleştirildiğinde, en üst seviye sesli iletişim ajanlarının uçtan uca görevlerdeki zekasını ölçen Tau3'te de birinci sırada yer alıyor.
Havacılık, perakende ve telekomünikasyon alanlarındaki sesli müşteri hizmetleri görevlerini değerlendirir. Pass@1, görevlerin başarıyla tamamlanmasını ölçer; genel sonuç hesaplanırken her alana eşit ağırlık verilir.
* GPT Live arka uç modeli: Astra (orta).
Bilgiye erişim ve hesap işlemleri araçlarıyla sunulan sesli bankacılık desteğini değerlendirir. Pass@1, 97 banking_knowledge görevinin başarıyla tamamlanan bölümünün oranını gösterir.
* GPT Live arka uç modeli: Astra (orta).
Duraklamaların yönetimini, konuşma sırasının değişmesini, söz kesilmelerini ve dinleyicinin kısa geri bildirimlerini değerlendirir.
Arka plandaki konuşmalara, başka birine söylenen sözlere, dinleyicinin kısa geri bildirimlerine ve söz kesilmelerine verilen tepkileri test eder.
Kullanıcı sözünü bitirdikten sonra ajanın yanıt vermeye ne kadar hızlı başladığını ölçer.
Doğal duraklamalar, tereddütler ve konuşmacının kendi sözlerini düzeltmesini içeren sesli taleplerde araç kullanımını test eder. Pass@1, araç çağrısı dizisini puanlar.
* GPT Live arka uç modeli: Terra (düşük).
Duraklamalar, tereddütler ve konuşmacının kendi sözlerini düzeltmesini içeren, araç kullanımı gerektiren taleplere verilen sesli yanıtı değerlendirir. Yanıtın, referans alınan niyetle ne ölçüde örtüştüğünü puanlar.
* GPT Live arka uç modeli: Terra (düşük).
Geliştiricilerin, ürünlerine uygun ve kullanıcılarına doğal gelen seslere ihtiyacı var. GPT‑Live‑1 ile az sayıdaki gerçek zamanlı ses seçeneğimizi farklı aksan, lehçe ve dilleri kapsayacak şekilde genişletiyor, geliştiricilere asistanlarının sesi konusunda daha fazla seçenek sunuyoruz.
Önümüzdeki aylarda ses seçeneklerini ve dil desteğini genişletmeyi sürdüreceğiz.
GPT‑Live‑1, ön uç ses katmanı için dakika başına 0,05 $ ücretle bugün API'de(yeni bir pencerede açılır) kullanıma sunuldu. Ürününüze uygun arka uç modeli ve ajan düzeneğiyle eşleştirip iş yüküne göre ölçeklenebilen bir sesli deneyim oluşturun.
Özel seslere erişim koşulları ve başvuru süreci hakkında daha fazla bilgi almak için satış birimiyle iletişime geçin.
GPT‑Live‑1 tabanlı sesli iletişim iş akışları oluşturmanın bir başka yolu da modeli gerçek zamanlı sesli etkileşimler için kullanan OpenAI Presence ürününden yararlanmak. Presence, kuruluşların soruları yanıtlayan, sorunları çözen, şirket sistemlerini kullanan, onay verilmiş işlemleri gerçekleştiren ve gerektiğinde konuyu insanlara aktaran güvenilir yapay zeka ajanlarını devreye almasına yardımcı olur. Daha fazla bilgi için OpenAI müşteri ilişkileri direktörünüzle iletişime geçin.
