OpenAI представила новые голосовые модели GPT-Live-1 и GPT-Live-1 mini, которые обеспечивают полный дуплекс — возможность одновременно говорить и слушать. Это позволяет пользователям естественно прерывать ассистента, не дожидаясь паузы, а также открывает функции вроде живого перевода. В ChatGPT Advanced Voice Mode по умолчанию заменяется на GPT-Live-1 mini, а подписчики платных тарифов смогут использовать более мощную версию.
Ранее голосовой режим состоял из трёх отдельных моделей: распознавание речи, генерация ответа через LLM и синтез речи. Новые модели решают проблему, когда ассистент перебивает пользователя или не понимает контекст. Кроме того, GPT-Live-1 перенаправляет запросы к последним текстовым моделям OpenAI (например, GPT-5.5) для поиска, рассуждений или агентных действий, не прерывая разговор. Ассистент может длительное время молчать, впитывая контекст, и отвечать только когда к нему обратятся. Также появилась возможность вывода визуальной информации — например, изображений или графиков.
Несмотря на улучшения, OpenAI подчёркивает, что не стремится сделать из голосового ассистента «компаньона». В компанию встроены средства защиты, обеспечивающие возрастные ограничения и предоставляющие ресурсы при упоминании опасных тем. Во время демонстрации живой перевод на хинди звучал с сильным американским акцентом и неестественной интонацией. OpenAI заявила, что режим оптимизирован для «большинства распространённых языков», не уточнив список. Конкуренты тоже не стоят на месте: Apple и Amazon обновили своих ассистентов, а стартапы вроде Sesame (основанный сооснователем Oculus) и Monogram (привлёк $40 млн) развивают более естественное голосовое взаимодействие.
В ChatGPT по умолчанию используется версия mini, платные пользователи могут переключиться на полную.
