Η OpenAI διαθέτει το φωνητικό μοντέλο GPT-Live-1 μέσω API

Η OpenAI κυκλοφόρησε την Πέμπτη το GPT-Live-1 στο API της, ανοίγοντας το φωνητικό της μοντέλο πλήρους αμφίδρομης επικοινωνίας σε προγραμματιστές για τη δημιουργία εφαρμογών και επιχειρηματικών ροών εργασίας με δυνατότητα φωνής, με κόστος 0,05 δολάρια ανά λεπτό για το φωνητικό επίπεδο διεπαφής. Το μοντέλο, το οποίο εμφανίστηκε για πρώτη φορά στο ChatGPT τον Ιούλιο, μπορεί να ακούει και να μιλά ταυτόχρονα, αναθέτοντας τη βαθύτερη επεξεργασία σε μοντέλα υποστήριξης όπως το GPT-6 Astra ή εναλλακτικές λύσεις τρίτων.openai+1

Η κυκλοφορία σηματοδοτεί μια στροφή από τις παραδοσιακές αρχιτεκτονικές φωνητικών πρακτόρων που συνδέουν διαδοχικά τη μετατροπή ομιλίας σε κείμενο, ένα γλωσσικό μοντέλο και τη μετατροπή κειμένου σε ομιλία, μια διαδικασία όπου κάθε στάδιο προσθέτει καθυστέρηση και κινδυνεύει να διακόψει τον ρυθμό της συνομιλίας. Το GPT-Live-1 επεξεργάζεται τον εισερχόμενο και εξερχόμενο ήχο σε ένα ενιαίο μοντέλο, ανταποκρινόμενο σε διακοπές και επιβεβαιώσεις σε πραγματικό χρόνο, ενώ παράλληλα δρομολογεί σύνθετες εργασίες στο σύστημα υποστήριξης.openai

Βελτιώσεις απόδοσης σε σχέση με προηγούμενα μοντέλα

Η OpenAI ανέφερε ότι το GPT-Live-1 βελτιώνει την απόδοση Full Duplex Bench κατά 30 ποσοστιαίες μονάδες σε σχέση με το GPT-Realtime-2.1, με την καθυστέρηση εναλλαγής ομιλητών να μειώνεται από 1,41 δευτερόλεπτα σε 0,798 δευτερόλεπτα. Σε συνδυασμό με το GPT-6 Astra σε μέτριο επίπεδο συλλογισμού, το μοντέλο κατατάσσεται πρώτο στο Tau3, ένα σημείο αναφοράς για τη νοημοσύνη φωνητικών πρακτόρων σε ολοκληρωμένες εργασίες, επιτυγχάνοντας ποσοστό επιτυχίας 86,2% σε προφορικά σενάρια εξυπηρέτησης πελατών, σε σύγκριση με το 45,7% του προκατόχου του.unite

Η κυκλοφορία του API περιλαμβάνει στοιχεία ελέγχου για τον τόνο, τον ρυθμό και το στυλ συνομιλίας μέσω προτροπών συστήματος, καθώς και υποστήριξη τηλεφωνίας για την ανάπτυξη φωνητικών πρακτόρων μέσω τηλεφωνικών γραμμών. Η OpenAI επεκτείνει επίσης τη φωνητική της βιβλιοθήκη σε διάφορες προφορές, διαλέκτους και γλώσσες.openai

Πρώιμοι χρήστες ήδη σε στάδιο παραγωγής

Η Yelp ↘ 6.49% ανακοίνωσε ότι έχει ενσωματώσει το GPT-Live-1 σε δύο προϊόντα: το Yelp Host, το φωνητικό AI για εστιατόρια, και το Hatch, την πλατφόρμα επικοινωνίας για επιχειρήσεις παροχής υπηρεσιών. Το Yelp Host έχει διαχειριστεί περισσότερες από ένα εκατομμύριο κλήσεις από την έναρξη λειτουργίας του τον Οκτώβριο του 2025, και οι αρχικές δοκιμές παραγωγής με το νέο μοντέλο έδειξαν βελτιωμένα ποσοστά διαχείρισης κλήσεων και λιγότερες μεταφορές κλήσεων.markets.financialcontent+1

"Οι καλούντες μιλούν επίσης με πληρέστερες, πιο φυσικές προτάσεις, γεγονός που μας δείχνει ότι η εμπειρία στην άλλη άκρη της γραμμής είναι πραγματικά διαφορετική", δήλωσε ο επικεφαλής τεχνολογίας της Yelp, Alex Levy.unite

Η πλατφόρμα εκμάθησης γλωσσών Speak ανέφερε ότι το GPT-Live-1 μείωσε τις διακοπές κατά τις παύσεις σκέψης των μαθητών κατά σχεδόν 80% σε σύγκριση με τα προηγούμενα συστήματα που βασίζονταν σε εναλλαγή σειράς. Ο Tony Stoyanov, συνιδρυτής και CTO μιας εταιρείας υγειονομικής περίθαλψης, δήλωσε ότι το μοντέλο απλοποίησε τη βάση κώδικα της ομάδας του κατά 80%, αφαιρώντας 23.000 γραμμές κώδικα.investing+1

Τιμολόγηση και πρόσβαση για επιχειρήσεις

Οι προγραμματιστές μπορούν να συνδυάσουν το GPT-Live-1 με το μοντέλο υποστήριξης της επιλογής τους, με την OpenAI να προτείνει το Luna για εργασίες μεγάλου όγκου όπως ο προγραμματισμός ραντεβού και το Astra για σύνθετο συλλογισμό, πληρώνοντας μόνο το τέλος των 0,05 δολαρίων ανά λεπτό για το φωνητικό επίπεδο επιπλέον του τυπικού κόστους υποστήριξης. Για τις επιχειρήσεις, η OpenAI επεσήμανε το προϊόν Presence, που παρουσιάστηκε τον Ιούλιο, το οποίο χρησιμοποιεί το GPT-Live-1 για την τροφοδοσία φωνητικών πρακτόρων μέσω ενός διαχειριζόμενου προγράμματος αντί για πρόσβαση αυτοεξυπηρέτησης.unite+1