OpenAI-ը գործարկել է GPT-Live-1 ձայնային մոդելը API-ում

OpenAI-ը հինգշաբթի օրը թողարկել է GPT-Live-1-ը իր API-ում՝ մշակողներին հասանելի դարձնելով լրիվ դուպլեքս ձայնային մոդելը՝ հավելվածներ և բիզնես գործընթացներ ստեղծելու համար՝ րոպեի դիմաց 0.05 դոլար արժեքով: Մոդելը, որը հուլիսին ներկայացվել էր ChatGPT-ում, կարող է միաժամանակ լսել և խոսել, իսկ ավելի խորը տրամաբանական խնդիրները փոխանցում է բեքենդ մոդելներին, ինչպիսիք են GPT-6 Astra-ն կամ երրորդ կողմի այլընտրանքները:openai+1

Այս թողարկումը նշանավորում է անցումը ավանդական ձայնային գործակալների ճարտարապետությունից, որոնք հաջորդաբար միացնում էին խոսքի ճանաչումը, լեզվական մոդելը և տեքստի վերածումը խոսքի, ինչը հանգեցնում էր ուշացումների: GPT-Live-1-ը մշակում է մուտքային և ելքային աուդիոն մեկ մոդելում՝ իրական ժամանակում արձագանքելով ընդհատումներին և բարդ առաջադրանքները ուղղորդելով բեքենդ:openai

Արդյունավետության աճը նախորդ մոդելների համեմատ

OpenAI-ը հայտնել է, որ GPT-Live-1-ը բարելավում է Full Duplex Bench-ի արդյունավետությունը 30 տոկոսային կետով՝ GPT-Realtime-2.1-ի համեմատ, իսկ ուշացումը 1.41 վայրկյանից նվազել է մինչև 0.798 վայրկյան: GPT-6 Astra-ի հետ համատեղ մոդելը առաջատար է Tau3-ում՝ ձայնային գործակալների ինտելեկտի չափման համակարգում, հասնելով 86.2% հաջողության ցուցանիշի հաճախորդների սպասարկման սցենարներում:unite

API-ի թողարկումը ներառում է տոնայնության, տեմպի և ոճի կառավարում համակարգային հրահանգների միջոցով, ինչպես նաև հեռախոսային աջակցություն: OpenAI-ը նաև ընդլայնում է ձայների գրադարանը տարբեր շեշտադրումների և լեզուների համար:openai

Վաղ ընդունողները արդեն արտադրության մեջ

Yelp ↘ 6.49%-ը հայտարարել է, որ ինտեգրել է GPT-Live-1-ը երկու արտադրանքներում՝ Yelp Host և Hatch: Yelp Host-ը 2025 թվականի հոկտեմբերից ի վեր մշակել է ավելի քան մեկ միլիոն զանգ, և նախնական թեստավորումը ցույց է տվել զանգերի սպասարկման ցուցանիշների բարելավում:markets.financialcontent+1

"Զանգահարողները ավելի լիարժեք և բնական նախադասություններ են ասում, ինչը նշանակում է, որ հեռախոսի մյուս կողմում փորձառությունը իսկապես փոխվել է," ասել է Yelp-ի տեխնիկական տնօրեն Ալեքս Լևին:unite

Լեզուների ուսուցման Speak հարթակը հայտնել է, որ GPT-Live-1-ը գրեթե 80%-ով կրճատել է ընդհատումները: Առողջապահական ընկերության համահիմնադիր Թոնի Ստոյանովը նշել է, որ մոդելը 80%-ով պարզեցրել է իր թիմի կոդը՝ հեռացնելով 23,000 տող կոդ:investing+1

Գնագոյացում և կորպորատիվ հասանելիություն

Մշակողները կարող են GPT-Live-1-ը զուգակցել իրենց նախընտրած բեքենդ մոդելի հետ՝ վճարելով միայն 0.05 դոլար րոպեի դիմաց ձայնային շերտի համար: Կորպորացիաների համար OpenAI-ը առաջարկում է Presence արտադրանքը, որը ներկայացվել է հուլիսին և ապահովում է ձայնային գործակալների կառավարվող աշխատանքը:unite+1