OpenAI научила ChatGPT слушать и говорить одновременно

OpenAI выпустила новые голосовые модели GPT-Live-1 и GPT-Live-1 mini. Главное отличие — они работают в полнодуплексном режиме: говорят и слушают одновременно, как живой собеседник.

Раньше голосовой режим ChatGPT работал через три отдельные модели: одна переводила речь в текст, вторая генерировала ответ, третья озвучивала его. Из-за этого ассистент часто перебивал пользователя не вовремя или не успевал сообразить, что ответить.

Новая архитектура — единая полнодуплексная модель вместо трёх — решает обе проблемы. GPT-Live-1 mini уже стала голосовым режимом ChatGPT по умолчанию. Пользователям платных подписок доступна старшая модель GPT-Live-1.

Технически всё устроено так: голосовая модель ведёт разговор, а сложные запросы — поиск, рассуждения, работу с агентами — передаёт на обработку текстовым моделям вроде GPT-5.5, не прерывая беседу. Ассистент умеет подолгу молчать, впитывая контекст разговора, пока не понадобится его ответ. А благодаря связке с новыми текстовыми моделями он может показывать информацию визуально, а не только проговаривать её.

Такой же путь выбрал стартап Monogram, привлёкший $40 млн от фондов DST и Lux Capital — там тоже делают ставку на визуальные ответы ассистента.

В OpenAI считают, что голос может стать основным способом работы со сложными и длительными задачами через ИИ-агентов. Атти Элети, руководитель голосовых продуктов ChatGPT, рассказал, что во время прогулок ведёт с ассистентом разговоры по 30–40 минут. Сейчас голосовыми функциями ChatGPT пользуются больше 150 миллионов человек.

При этом в компании подчеркнули: делать из ChatGPT ИИ-компаньона они не планируют. В моделях встроены ограничения на разговоры с подростками и подсказки со ссылками на помощь, если речь заходит о самоповреждении.

На демонстрации перевода на хинди живой перевод сработал не идеально: ассистент говорил с заметным американским акцентом и слишком книжным языком. OpenAI не уточнила, для каких именно языков режим оптимизирован лучше всего.