OpenAI представила GPT-Live — технологию, которая существенно меняет подход к голосовому взаимодействию с ИИ. В ходе прямой трансляции компания продемонстрировала возможности новой системы.
Среди ключевых улучшений — более естественный диалог: теперь можно прерывать разговор, делать паузы, а ИИ реагирует короткими фразами («Гм, да»), показывая, что слушает. Оптимизирована помехоустойчивость — система точнее распознаёт голос даже в шумной обстановке. Кроме того, OpenAI переработал 9 стандартных тембров в ChatGPT для GPT-Live.
Система теперь подключается к GPT-5.5 и поддерживает три уровня интенсивности рассуждений: мгновенный (для быстрых вопросов вроде проверки погоды), средний и высокий (для сложных задач, требующих глубокого осмысления).
Ещё одно новшество — визуальный диалог: в голосовых разговорах ChatGPT может отображать визуальные карточки (о погоде, акциях, спортивных событиях) в режиме реального времени. Голосовые вызовы поддерживают поиск в интернете, функции памяти, распознавание изображений и загрузку файлов.
Архитектура GPT-Live тоже претерпела изменения. Полнодуплексная система позволяет ИИ слушать во время разговора, а не только после того, как пользователь закончил говорить. Это делает диалог более плавным и подходит для задач, где важна низкая задержка (например, для перевода в реальном времени). При этом сложные задачи (поиск в сети, глубокие размышления) система может передавать в фоновом режиме модели GPT-5.5, не прерывая голосовой диалог на переднем плане.
OpenAI разработала новую систему оценки для GPT-Live — она измеряет два показателя: удовольствие от общения и непринуждённость диалога. Результаты показывают, что система хорошо справляется с имитацией общения с реальным человеком. В области агентурного поиска возможности системы выросли в 100 раз.
По данным OpenAI, 150 миллионов человек общаются с ChatGPT каждую неделю. GPT-Live может сделать голосовой ввод наиболее часто используемым способом взаимодействия с устройством.
Подписаться в Макс
