GPT-Live-1: как работает full-duplex голосовая модель OpenAI и сколько она стоит

GPT-Live-1 — голосовая модель OpenAI для разработчиков, рассчитанная на диалог, который больше похож на живой разговор, чем на обмен строго разделёнными репликами. Она стала доступна через API 10 сентября 2026 года. Стоимость голосового фронтенда — $0,05 за минуту; модель рассуждений, вызовы инструментов, телефония и остальная инфраструктура оплачиваются отдельно. 35

Что меняет full-duplex

Обычный голосовой агент нередко строится как цепочка из трёх компонентов: распознавание речи (speech-to-text), текстовая языковая модель и синтез речи (text-to-speech). Такая схема работоспособна, но на каждом переходе между компонентами приходится отдельно управлять паузами, сменой намерения, перебиваниями и моментом передачи хода собеседнику. 3

GPT-Live-1 позиционируется как единая голосовая модель, работающая как с входящим, так и с исходящим аудио. Full-duplex означает, что она способна продолжать слушать, пока говорит сама. Это должно помочь ей отличать настоящее перебивание от короткого «да» или «понятно», а также не превращать каждую паузу, фоновую речь или разговор рядом в обязательную новую реплику. 3

Главная идея здесь не только в скорости генерации аудио. Речь о более естественном управлении диалогом: система должна понимать, что человек ещё формулирует мысль, хочет вмешаться в ответ или просто подтверждает, что слушает. OpenAI называет GPT-Live-1 своей основной моделью для естественных, выразительных голосовых бесед с плавной обработкой перебиваний. 23

Голосовой слой отдельно, рассуждения — отдельно

GPT-Live-1 не обязана самостоятельно выполнять всю бизнес-логику. Она может поддерживать разговор в реальном времени, а сложные рассуждения, вызовы инструментов и действия передавать выбранной бэкенд-модели и агентному фреймворку. 3

Такой подход позволяет разработчикам строить систему из двух частей:

• GPT-Live-1 отвечает за живое голосовое взаимодействие;
• бэкенд-модель даёт рассуждения, доступ к данным компании и выполняет действия.

Например, для типового запроса о статусе заказа или записи на услугу можно выбрать более быстрый и дешёвый бэкенд. Сложные обращения можно направлять в более сильную модель, например GPT-6 Astra. OpenAI также указывает возможность подключения поддерживаемых сторонних моделей. 3

Практический вывод: объявленные $0,05 за минуту — это не полная стоимость голосового агента. Итоговая цена будет зависеть от выбранной модели рассуждений, инструментов, телефонного провайдера и прочих компонентов. 35

Возможности API и сценарии применения

По данным OpenAI, через системный промпт можно задавать тон, темп и стиль общения модели. GPT-Live-1 также формирует транскрипты и текст ответов, понимает буквенно-цифровые данные, поддерживает смещение в пользу ключевых слов и умеет определять границы реплик — если приложению всё же нужен явный режим «говорит один, затем другой». 3

Модель рассчитана на длительные сессии и телефонных агентов: в частности, на поддержку клиентов и бронирования. OpenAI заявляет, что она может корректно вести себя при тишине и фоновом шуме, не озвучивая каждый внутренний шаг рассуждений. Это важно для обычных звонков, где звук редко бывает идеально чистым. 3

В предоставленных материалах нет окончательного перечня поддерживаемых языков и нет достаточно подробной информации о настройках конкретных акцентов и диалектов. Перед внедрением эти параметры следует сверять с актуальной документацией API.

Какие результаты заявляет OpenAI

OpenAI сообщает, что GPT-Live-1 превосходит GPT-Realtime-2.1 на 30 процентных пунктов в Full Duplex Bench — тесте интерактивного голосового поведения. Он оценивает, в частности, очередность реплик, паузы, перебивания, короткие подтверждения и фоновую речь. 3

В связке с GPT-6 Astra при среднем уровне усилий на рассуждения GPT-Live-1 также заняла первое место в Tau3 — комплексном бенчмарке голосовых агентов. Его часть, посвящённая поддержке клиентов, включает устные задачи из сфер авиаперевозок, розницы и телекоммуникаций. 3

Вторичные публикации приводят точные показатели задержки передачи хода и баллов Tau3, однако в предоставленном фрагменте первоисточника таких чисел нет. Поэтому корректнее говорить о заявленном существенном улучшении интерактивного поведения и первом месте конфигурации GPT-Live-1 с Astra, а не ожидать одинаковых чисел в каждом внедрении. 37

Примеры раннего использования

OpenAI приводит несколько примеров внедрения голосовых агентов:

• Yelp использует GPT-Live-1 в Yelp Host для входящих звонков в рестораны — в том числе для бронирований и заказов еды. Компания сообщает об улучшении очередности реплик и точности по сравнению с прежней традиционной голосовой архитектурой, а также о более высокой доле обработанных звонков и более полных ответах клиентов. 3
• Speak применила модель в языковом репетиторе. По данным OpenAI, учащиеся получили больше времени на формулирование ответа, а число перебиваний сократилось почти на 80% по сравнению с прежней пошаговой системой. 34
• Неназванная компания из сферы здравоохранения сообщила, что отказ от каскадной архитектуры сократил кодовую базу на 80% — на 23 000 строк кода. Это, по её оценке, помогло сделать разговоры с пациентами естественнее: от записи на приём до навигации по медицинской помощи. Это заявление самой компании, а не результат независимого аудита. 3

Именно в таких ситуациях full-duplex особенно полезен: звонящий может запнуться, поправить себя, подтвердить услышанное посреди фразы или перебить агента, не желая при этом начинать весь диалог заново.

Цена и OpenAI Presence

Тариф GPT-Live-1 составляет $0,05 за минуту голосового фронтенда. Разработчик может подключить удобную ему бэкенд-модель и агентную инфраструктуру, но эти компоненты увеличивают общую стоимость и тарифицируются отдельно. 35

OpenAI также называет OpenAI Presence ещё одним способом создавать голосовые процессы на базе GPT-Live-1 для взаимодействия в реальном времени. Однако предоставленные материалы не раскрывают требования к корпоративному доступу, коммерческие условия, модель хостинга или порядок подключения Presence. Эти детали нельзя выводить только из анонса API. 3

При оценке GPT-Live-1 команде стоит смотреть не только на ставку за минуту. Более важные вопросы: насколько плавное ведение диалога улучшит конкретный процесс и какой набор бэкенд-модели, инструментов и телефонии обеспечит нужную надёжность при приемлемой полной стоимости.