Разговор с ИИ часто прерывается: вам приходится ждать, пока модель закончит свой ответ, прежде чем продолжить. OpenAI выпустила GPT-Live — новое поколение голосовых моделей, которые меняют этот подход. Они позволяют вести диалог с ChatGPT так же естественно, как с человеком: перебивать, делать паузы и получать ответы в реальном времени.
GPT-Live построена на полнодуплексной архитектуре, то есть может слушать и говорить одновременно. Модель непрерывно обрабатывает входящий звук и генерирует ответы, принимая решения об интеракции много раз в секунду: ответить, продолжить слушать, сделать паузу или вызвать инструмент. Это позволяет ей активно слушать, вставлять короткие реплики вроде «мгм» и поддерживать естественный поток беседы.
Когда вопрос требует поиска в интернете, глубокого рассуждения или выполнения сложных задач, GPT-Live делегирует их другой модели — например, GPT-5.5, работающей в фоновом режиме. При этом основная модель продолжает поддерживать диалог, пока выполняется более сложная работа. Это позволяет сочетать естественное общение с логикой.
Новый подход решает проблемы предыдущих голосовых систем:
- Каскадные системы (как в оригинальном ChatGPT Voice) последовательно использовали три модели (речь в текст, языковая модель, текст в речь), что приводило к потере информации, медленным и прерывистым ответам.
- Пошаговые модели (как ChatGPT Advanced Voice Mode) работали быстрее, но всё ещё требовали, чтобы пользователь закончил говорить, прежде чем отвечать. Паузы или фоновый шум могли привести к нежелательным прерываниям.
Теперь голосовой режим ChatGPT стал естественнее и умнее. Пользователи заметят:
- Более естественные разговоры — можно перебивать, делать паузы, модель сама подтверждает, что слушает.
- Более умные ответы — доступ к последним моделям OpenAI, с возможностью выбирать уровень рассуждения (мгновенный, средний, высокий).
- Улучшенное слушание — модель ждёт, если вы задумались, и лучше фокусируется на голосе в шумной обстановке.
- Визуальные ответы — ChatGPT может показывать графические карточки (погода, акции, спорт) прямо во время разговора.
OpenAI уделила внимание и безопасности. GPT-Live изначально разрабатывался с учётом безопасности, включая:
- Расширенное тестирование с новыми аудио-оценками и синтетическими сценариями для выявления рисков (самоповреждение, психоз, эмоциональная зависимость, насилие, сексуальный контент).
- Встроенные меры защиты, которые могут перенаправить разговор, выдать предупреждение или завершить диалог при обнаружении потенциально опасного контента.
- Поддержку для подростков, включая обучение модели соответствующему возрасту поведению и родительский контроль.
- Защиту от имитации голоса реальных людей, используя фиксированный набор предопределённых голосов.
GPT-Live уже развёртывается для всех пользователей ChatGPT на iOS, Android и ChatGPT.com. Версия GPT-Live-1 станет моделью по умолчанию для платных тарифов (Go, Plus, Pro), а GPT-Live-1 mini — для бесплатных пользователей. В будущем ожидается появление API. Пока есть ограничения по языкам (возможен неродной акцент) и нет поддержки видео/совместного использования экрана.
Новый подход OpenAI к голосовому взаимодействию с ИИ — это не просто улучшение, а фундаментальный сдвиг в архитектуре. Он обещает сделать диалог с машиной по-настоящему человеческим, но предстоит увидеть, как полнодуплексная система справится с реальной нагрузкой и насколько эффективными окажутся заявленные меры безопасности в условиях непрерывного общения.