Оглавление

Компания OpenAI анонсировала запуск GPT-Live — нового поколения голосовых моделей, которые призваны стереть границу между механическим ответом алгоритма и живой человеческой речью. Как сообщает The Decoder, ключевым отличием новинки стала архитектура full-duplex, позволяющая нейросети слушать и говорить одновременно, не дожидаясь окончания фразы собеседника.

Внедрение этой технологии решает давнюю проблему «рваного» диалога, когда пользователю приходилось делать паузы, чтобы система обработала запрос. Теперь ChatGPT ведет себя более естественно: он может вставлять междометия вроде «мгм» или «понятно», чтобы подтвердить свое внимание, реагирует на перебивания и способен корректировать темп речи в режиме реального времени. Платные подписчики планов Plus и Pro уже получают доступ к версии GPT-Live-1, тогда как для бесплатных аккаунтов предусмотрена облегченная GPT-Live-1 mini.

Разделение обязанностей: как GPT-Live делегирует задачи

Технически изящным решением выглядит архитектурное разделение процессов внутри системы. Сама модель GPT-Live фокусируется на поддержании гладкости беседы и эмоциональной окраске, в то время как сложные вычислительные задачи, требующие логического вывода или поиска в сети, передаются фоновой модели GPT-5.5. Это позволяет ИИ не «зависать» в молчании, пока идет поиск данных, а продолжать диалог, создавая ощущение непрерывного контакта.

Разработчики предусмотрели возможность выбора уровня «глубины мысли» системы. Пользователи могут настроить режим рассуждений от мгновенного (Instant) до высокого (High), когда ChatGPT берет больше времени на анализ задачи. Согласно внутренним тестам, такая связка моделей демонстрирует впечатляющий рост качества ответов: на тестах научного мышления GPQA точность GPT-Live-1 достигла 84,2%, что почти вдвое превышает показатели предыдущих голосовых режимов.

Из других особенностей:

  • Во время разговора система может выводить карточки с графиками, курсами акций или прогнозом погоды.
  • OpenAI представила девять переработанных вариантов озвучки для более точной передачи интонаций.
  • Режим доступен в приложениях на iOS, Android и в веб-версии сервиса.

Вопросы безопасности и человеческий фактор

Столь высокая степень реалистичности неизбежно поднимает вопросы этики и психологического комфорта. Существует тонкая ироничная грань между удобным ассистентом и алгоритмом, который звучит настолько убедительно, что пользователи начинают формировать с ним эмоциональную привязанность. В OpenAI заявляют, что предусмотрели защитные механизмы, работающие превентивно: система анализирует речь пользователя на лету и может перенаправить диалог в безопасное русло или завершить его при обнаружении признаков деструктивного поведения.

«Модель способна принимать решения несколько раз в секунду о том, стоит ли продолжать говорить, сделать паузу или вызвать дополнительный программный инструмент для решения задачи», — Из технического описания OpenAI

Для младшей аудитории внедрены специальные фильтры, адаптирующие стиль общения под возраст пользователя, а родительский контроль позволяет отслеживать активность детей в голосовом чате. Хотя функции совместного использования экрана и анализа видео через камеру пока не доступны в GPT-Live, их появление ожидается в ближайших обновлениях. На данный момент старые режимы работы продолжают функционировать параллельно, предоставляя пользователям выбор между проверенной стабильностью и новым уровнем интерактивности.