OpenAI презентує GPT-Live: революція в голосовому спілкуванні з штучним інтелектом
Компанія OpenAI запустила GPT-Live — новітнє покоління голосових моделей з повнодуплексною архітектурою, яка дозволяє одночасно слухати й говорити, передаючи складні завдання до GPT-5.5 у фоновому режимі.
Що таке GPT-Live і з чим його їдять?
GPT-Live — це принципово новий тип голосових AI-моделей, створений для того, щоб розмова з ChatGPT нагадувала живий, справжній діалог між людьми. Одразу доступно дві версії: GPT-Live-1 для платних користувачів з планами Go, Plus і Pro, а також полегшена GPT-Live-1 mini, що безкоштовна і працює на iOS, Android та через ChatGPT.com. Незабаром розробники зможуть користуватися моделлю через API — для цього вже відкрито спеціальну форму реєстрації.
На відміну від застарілого режиму, де користувач говорив, а AI просто відповідав, GPT-Live працює за принципом повнодуплексного зв’язку. Це означає, що модель може одночасно слухати і розмовляти, як дві людини, які ведуть справжню бесіду. Аналогічна технологія раніше була випущена Nvidia під назвою PersonaPlex.
Гнучкість спілкування: як працює GPT-Live?
GPT-Live приймає рішення десятки разів на секунду, визначаючи, коли говорити, слухати, робити паузу, перебивати або звертатись до інструментів. За допомогою таких фраз, як “мхмм” чи “зрозумів”, модель показує, що уважно слухає. Користувачі можуть перервати відповідь, подумати або попросити AI сповільнитися.
За результатами тестувань, нові версії отримали здебільшого позитивні відгуки: користувачі на 75.7% віддали перевагу GPT-Live-1 над старим “Advanced Voice Mode”, а GPT-Live-1 mini — на 69.2%. Крім цього, GPT-Live демонструє візуальні картки з актуальною інформацією, як-от погода, біржові котирування чи спортивні результати. Оновлено й голоси — тепер доступних дев’ять варіантів із більш природним звучанням.
Наразі GPT-Live не підтримує голосове відео або спільний перегляд екрана в ChatGPT, але розробники обіцяють додати ці функції найближчим часом. Тим часом існуючі “Standard” і “Advanced Voice Mode” з цими опціями залишаться в роботі.
Як GPT-Live співпрацює з GPT-5.5: розподіл завдань задля кращої ефективності
Ключова інновація GPT-Live — розподіл процесів керування діалогом і мисленням. Коли потрібен пошук у мережі, логічний аналіз чи агентські функції, GPT-Live миттєво передає ці завдання потужнішій моделі — GPT-5.5, що працює у фоновому режимі. При цьому живий діалог триває без затримок.
Архітектура GPT-Live спрямована на постійне оновлення і підтримку зв’язку з найновішими моделями. Користувачі можуть вибрати рівень мислення від “Миттєвого” для швидких відповідей до “Середнього” й “Високого” — якщо потрібен глибший аналіз.
Цей розподіл вирішує серйозну проблему попередніх голосових моделей, які були обмежені власними можливостями і не могли змагатися з провідними системами штучного інтелекту. З GPT-Live цей розрив значно зменшується, що підтверджують результати тестів:
- У наукових завданнях GPQA GPT-Live-1 досягає точності 84.2% на високому рівні мислення (Advanced Voice Mode — лише 45.3%).
- За оцінкою BrowseComp для агентських пошуків в інтернеті GPT-Live-1 набирає 75.2%, у той час як Advanced Voice Mode — ледве 0.7%.
На внутрішньому тесті tau3 Voice Telecom, що оцінює голосові агенти в реальних сценаріях технічної підтримки, GPT-Live-1 демонструє більшу кількість успішно виконаних завдань і швидше їх обробляє, на відміну від Advanced Voice Mode, який показує найгірші результати і найтриваліший час відповіді.
Нова ступінь людиноподібності — більше безпеки та потенційних ризиків
Голосові моделі з більш природним звучанням несуть із собою не лише комфорт, а й певні виклики. Люди схильні сприймати штучний інтелект як живу особу і можуть довіряти йому надмірно, що в окремих випадках призводить до серйозних наслідків. Дослідження показують, що активні користувачі голосових технологій частіше стають емоційно залежними від AI.
Щоб мінімізувати ці ризики, OpenAI впровадила низку заходів безпеки, які активуються навіть під час того, як користувач ще говорить. Система може направляти модель на більш обережні відповіді, показувати додаткову інформацію з безпеки або цілком завершувати розмову в критичних випадках. Також з’являються гарячі лінії допомоги, якщо в діалозі піднімаються теми самопошкодження.
Для молодших користувачів GPT-Live запропонували спеціальну навчальну модель, що відповідає віковим особливостям. Батьки мають можливість контролювати доступ дитини до голосових функцій і отримувати оповіщення при потенційно ризикованих ситуаціях. Модель не імітує реальні голоси та використовує виключно заздалегідь визначені звуки.
Детально про всі функції безпеки можна дізнатися у спеціальній «System Card» від OpenAI.
