OpenAI открыла доступ к модели GPT-Live-1 через API, позволяя разработчикам внедрять полнодуплексные голосовые функции в свои продукты. Модель поддерживает естественный диалог, включая возможность перебивать ИИ, делать паузы и получать мгновенные ответы без ожидания завершения фразы.
Стоимость использования голосового интерфейса GPT-Live-1 составляет $0,05 за минуту. Эта цена покрывает только работу с аудиопотоком; если задача требует сложного анализа, расходы на использование фоновых моделей для глубоких рассуждений оплачиваются отдельно согласно их тарифам.
Архитектура модели разделяет задачи реального времени и глубокие вычисления. Разработчики могут комбинировать GPT-Live-1 с различными фоновыми моделями, подбирая баланс между скоростью отклика, качеством рассуждений и затратами в зависимости от сложности конкретных бизнес-задач.
В тестах Full Duplex Bench модель GPT-Live-1 показала результат на 30 процентных пунктов выше, чем GPT-Realtime-2.1. Также она заняла первое место в бенчмарке Tau3, оценивающем способность интеллектуальных агентов выполнять комплексные задачи от начала до конца.
Технологию уже используют платформы вроде Speak, где количество нежелательных прерываний пользователя снизилось на 80%. Модель оптимизирована для работы в шумной среде и поддерживает телефонные сценарии, что делает её пригодной для автоматизации колл-центров и сервисов бронирования.
