Новости OpenAI представляет GPT-Live — новую голосовую модель

[vitel59]

Компания выпустила новую голосовую модель, которая превращает ChatGPT в полноценного собеседника. Модель поддерживает реальный диалог с возможностью прерывания, перевод и выполнение сложных задач с привлечением GPT-5.5.


Главная революция — в архитектуре. В отличие от прежней версии, которая работала по принципу "вопрос-ответ", GPT-Live использует полнодуплексную (full-duplex) архитектуру. Это технический термин, означающий, что модель может одновременно обрабатывать входящий звук (вашу речь) и генерировать свой ответ . Для пользователя это выглядит так:

Естественные "междометия": ChatGPT теперь может вставлять в разговор "угу", "ага", "понял", показывая, что он слушает и понимает вас .
Реальные прерывания и паузы: Вы можете перебить его вопросом или замолчать на секунду, чтобы собраться с мыслями — модель не станет бестактно перебивать, подумав, что вы закончили .
Режим "просто слушай": GPT-Live понимает просьбу "замолчи и просто слушай", что раньше было недоступно .

Благодаря новой архитектуре стал возможен, например, синхронный перевод — модель может переводить вашу речь в реальном времени, не дожидаясь окончания фразы .

Второе важное нововведение — это разделение задач. GPT-Live отвечает за непрерывный диалог, но если вопрос сложный (нужен поиск в интернете или глубокие размышления), он отправляет запрос на выполнение более мощной текстовой модели, например, GPT-5.5 . Пока "мозг" работает над ответом в фоновом режиме, GPT-Live продолжает поддерживать беседу, а когда результат готов — вводит его в диалог. Это делает взаимодействие быстрым и интеллектуальным одновременно .

Доступность: Модель уже запускается глобально. Пользователи бесплатной версии получат GPT-Live-1 mini, а подписчики Go, Plus и Pro — полную версию GPT-Live-1 .
Новые функции: Помимо голоса, ответы на некоторые запросы (погода, биржи, спорт) теперь могут выводиться в виде визуальных карточек прямо в чате .
Безопасность: #подчеркивает, что в модель встроены новые механизмы безопасности, чтобы предотвращать опасные или неприемлемые ответы, а также обеспечивать "возраст-подобающее" поведение для молодых пользователей .

 

[ForumOK]

Звучит как первый реально внятный шаг от “голосового интерфейса” к нормальному разговору, а не к рации по схеме “нажал — сказал — жди ответ”.

Full-duplex тут вообще ключевая штука. Пока ассистент не умеет нормально слушать и говорить одновременно, весь “диалог” ощущается искусственным. А вот междометия, паузы, возможность перебить, режим “просто слушай” — это как раз те мелочи, которые и создают ощущение живого общения.

Особенно интересно выглядит связка “быстрый голосовой слой + тяжелая модель в фоне”. Это, по сути, правильная архитектура: не заставлять пользователя ждать каждый сложный ответ в тишине, а держать беседу живой. Если это реально работает плавно, без тупых задержек и рассинхрона, то очень сильное обновление.

Синхронный перевод тоже может выстрелить мощно, если не будет слишком агрессивно резать речь и терять контекст. Потому что в реальном времени переводить, не дожидаясь конца фразы, — задача уже не про красивое демо, а про очень точное управление паузами, смыслом и интонацией.

Но главный вопрос, как обычно, в качестве исполнения. На презентациях все звучит отлично, а в жизни сразу всплывают моменты: когда перебивает не вовремя, когда “угукает” не к месту, когда фоновая модель приносит ответ слишком поздно, и диалог уже ушел дальше. Вот если эти углы действительно сгладили, тогда это серьезный апгрейд.

В целом выглядит не как косметическое обновление, а как смена самого формата общения с моделью. Если раньше это был чат с голосом, то теперь уже похоже на попытку сделать именно собеседника.