GPT-Live: новое поколение голосовых моделей OpenAI
OpenAI запустила GPT-Live — голосовые модели нового поколения на базе full-duplex архитектуры, которые делают общение с ИИ похожим на живой разговор.
GPT-Live: новое поколение голосовых моделей OpenAI
OpenAI делает большой шаг к тому, чтобы разговор с искусственным интеллектом перестал ощущаться как запрос к поисковику. Компания представила GPT-Live — новое поколение голосовых моделей, которые делают общение с ИИ значительно более похожим на настоящий живой разговор. Это уже третье поколение голосовых технологий ChatGPT за два года.
Что такое GPT-Live и зачем он нужен
Видение OpenAI — создать по-настоящему естественное взаимодействие человека с ИИ: мир, где совместная работа с искусственным интеллектом ощущается так же свободно и живо, как работа с другим человеком, а рассуждение и выполнение сложных задач происходят незаметно в фоне.
До сих пор голосовые режимы ChatGPT работали по строгой очерёдности — сначала говорит человек, потом ИИ. Предыдущий Advanced Voice Mode обрабатывал и генерировал аудио внутри единой модели, что снижало задержку и делало разговоры более плавными — но система всё равно работала через дискретные «ходы»: модель должна была ждать, пока пользователь перестанет говорить. Более того, поскольку определение конца реплики основывалось на тишине, даже краткая пауза или фоновый шум могли быть ошибочно приняты за окончание фразы — и модель перебивала в самый неподходящий момент.
Как работает full-duplex архитектура
Во-первых, GPT-Live построен для непрерывного взаимодействия на основе полнодуплексной (full-duplex) архитектуры: вместо обработки последовательности отдельных сообщений модель непрерывно обрабатывает входящий сигнал, одновременно генерируя ответ. Благодаря этому модель способна принимать решения о ходе диалога много раз в секунду: говорить, продолжать слушать, сделать паузу, перебить или вызвать инструмент.
Во-вторых, OpenAI разделила голосовое взаимодействие и тяжёлые вычисления. Для вопросов, требующих поиска в интернете, глубокого рассуждения или более сложной работы, GPT-Live делегирует задачу новейшей фронтирной модели в фоновом режиме и возвращает результат в разговор, когда он готов. Пока идёт обработка, GPT-Live продолжает общаться с вами, не прерывая течение беседы.
graph TD
A[Пользователь говорит] --> B{GPT-Live анализирует}
B --> C[Простой вопрос]
B --> D[Сложный вопрос]
C --> E[Мгновенный голосовой ответ]
D --> F[Делегирование GPT-5.5]
F --> G[Поиск / Рассуждение / Агентные действия]
G --> H[Результат возвращается в разговор]
H --> E
E --> A
Две версии: GPT-Live-1 и GPT-Live-1 mini
OpenAI начинает глобальное развёртывание двух версий GPT-Live — GPT-Live-1 и GPT-Live-1 mini — для пользователей ChatGPT.
| Параметр | GPT-Live-1 | GPT-Live-1 mini |
|---|---|---|
| Целевая аудитория | Платные подписчики (Go, Plus, Pro) | Бесплатные пользователи |
| Фоновая модель | GPT-5.5 | GPT-5.5 Instant |
| Уровни рассуждения | Instant / Medium / High | Instant |
| Предпочтение в тестах | 75,7% vs Advanced Voice Mode | 69,2% vs Advanced Voice Mode |
| Поддержка видео/экрана | Планируется | Планируется |
На момент запуска GPT-Live использует в фоне GPT-5.5. По мере выхода новых фронтирных моделей OpenAI будет постоянно обновлять модель, которую использует GPT-Live.
Что изменится для пользователей
Естественный разговор без скованности
Теперь можно прервать ChatGPT вопросом, сделать паузу, чтобы собраться с мыслями, или попросить его говорить медленнее. Модель естественно реагирует на ваши слова фразами вроде «угу» или «понял», давая понять, что следит за разговором.
Если вы на секунду задумались, ChatGPT Voice теперь ждёт, а не торопится вставить слово. Если попросить его помолчать и просто слушать — он так и сделает. А при наличии фонового шума — уличного движения или чужих разговоров рядом — ChatGPT лучше сфокусируется именно на вашем голосе.
Умнее, чем когда-либо
OpenAI называет GPT-Live своей умнейшей голосовой моделью на сегодняшний день: для веб-поиска, глубокого рассуждения и сложных задач она использует новейшую фронтирную модель — на данный момент GPT-5.5.
Пользователи также могут выбирать уровень рассуждения под свои нужды: Instant — для быстрых ответов, Medium и High — когда хочется, чтобы ChatGPT потратил больше времени на обдумывание.
Визуальные карточки прямо в разговоре
Некоторые ответы полезнее, когда их можно увидеть. Теперь прямо во время разговора ChatGPT может показывать красочные визуальные карточки — например, с погодой, котировками акций, спортивными результатами и другим. Голосовой режим по-прежнему поддерживает поиск, память, изображения и загрузку файлов.
Живой перевод
GPT-Live поддерживает живой перевод в реальном времени — это открывает широкие возможности для изучения иностранных языков, деловых переговоров на разных языках и помощи пользователям с ограниченными возможностями.
Обновлённые голоса
Для GPT-Live были переработаны все девять уникальных голосов ChatGPT. Звучание стало более естественным и живым.
Результаты тестирования
OpenAI провела сравнительные испытания с реальными пользователями. В прямых сравнениях в формате разговоров от 5 до 10 минут — по критериям общего впечатления, смены реплик, прерываний, плавности и естественности — обе версии GPT-Live предпочли Advanced Voice Mode. Доля предпочтений составила 75,7% для GPT-Live-1 и 69,2% для GPT-Live-1 mini.
Кроме того, GPT-Live-1 превзошёл Advanced Voice Mode на бенчмарке GPQA (научное рассуждение), BrowseComp (агентный веб-поиск) и внутреннем голосовом тесте поддержки в телекоме.
«GPT-Live делает общение с ИИ похожим на настоящий разговор. Это также наша самая умная голосовая модель на сегодняшний день» — OpenAI
Безопасность: встроенная защита в реальном времени
OpenAI серьёзно подошла к вопросам безопасности нового голосового режима. Компания добавила специфические для аудио оценки по категориям: причинение вреда себе, психоз и мания, эмоциональная зависимость от ИИ, насилие и сексуальный контент, а также защитные механизмы реального времени, способные скорректировать ответ прямо в процессе произнесения, предоставить кризисные ресурсы или завершить сессию высокого риска.
Родители могут контролировать доступ подростков к ChatGPT Voice через родительский контроль. OpenAI также сообщает, что GPT-Live использует заранее заданные голоса и включает защиту от имитации голоса реального человека.
Доступность и планы
GPT-Live уже развёртывается в ChatGPT Voice на iOS, Android и в веб-версии по всему миру.
- GPT-Live-1 — доступен по умолчанию для подписчиков Go, Plus и Pro
- GPT-Live-1 mini — доступен по умолчанию для бесплатных пользователей
- API — OpenAI планирует скоро открыть доступ через API; уже доступна форма для уведомления разработчиков о запуске.
- Корпоративный сегмент — на момент запуска GPT-Live-1 недоступен в рабочих пространствах ChatGPT Business, Enterprise и Edu.
Голос как главный интерфейс будущего
По данным компании, более 150 миллионов человек еженедельно общаются с ChatGPT с помощью голосовых функций и диктовки.
«Со временем, по нашему мнению, это также откроет возможность использовать голос как своего рода основной интерфейс к вычислениям и управлять всё более сложной долгосрочной агентной работой. Те удивительные сценарии использования, которые мы видим у людей с Codex и ChatGPT, — мы считаем, что голос станет интерфейсом будущего для всех видов работы», — заявил руководитель продукта ChatGPT Voice Атти Элети.
Со временем OpenAI рассчитывает, что эти исследования также откроют возможность применять голос для всё более сложных, длительных и агентных задач.
- Откройте приложение ChatGPT на iOS или Android (или зайдите на chatgpt.com)
- Нажмите кнопку Voice (значок микрофона)
- Начните говорить — вы сразу почувствуете разницу: ИИ больше не ждёт, пока вы замолчите
- Попробуйте перебить его вопросом или сделать паузу — модель отреагирует естественно
- Для сложных вопросов выберите уровень рассуждения Medium или High
Конкуренция на рынке голосового ИИ
Конкуренты OpenAI — Google, ByteDance и Nvidia — также активно развивают технологии полнодуплексного голосового взаимодействия. Anthropic запустила голосовой режим для Claude в прошлом году, тогда как OpenAI последовательно интегрировала голос в повседневные функции.
GPT-Live — это не просто обновление продукта. Это заявка на то, что голос станет главным способом взаимодействия человека с ИИ в эпоху агентных систем. Если раньше голосовой ИИ воспринимался как удобный аксессуар, то теперь OpenAI целенаправленно превращает его в основной интерфейс — для работы, обучения, перевода и решения повседневных задач.