OpenAI запустила GPT‑Live‑1 в API: голосовая модель, которая слушает и говорит одновременно

OpenAI объявила о запуске GPT‑Live‑1 в API 10 сентября 2026 года, а не 11 сентября. Модель стала общедоступным голосовым слоем для приложений и бизнес-процессов, рассчитанным на более естественный диалог: она может слушать человека и говорить одновременно. 3

Чем GPT‑Live‑1 отличается от обычных голосовых ботов

Во многих традиционных системах голос проходит через последовательную цепочку: сначала речь преобразуется в текст (speech-to-text), затем текст обрабатывает языковая или reasoning-модель, после чего ответ превращается в аудио (text-to-speech). Каждый такой переход добавляет задержку и способен ухудшать передачу интонации, тайминга, контекста и естественного ритма разговора. 3

GPT‑Live‑1 объединяет слушание и речь в одной голосовой модели. Это full-duplex-подход: система не обязана ждать полного окончания реплики, прежде чем начать реагировать. 3

Практически это означает, что голосовой агент может:

• реагировать на перебивания и короткие подтверждения по мере их появления;
• поддерживать более естественную смену реплик;
• одновременно вести голосовой разговор, пока связанная с ним бэкенд-модель выполняет сложные рассуждения или использует инструменты. 3

Разработчик может передавать такие задачи модели OpenAI — например, GPT‑6 Astra — либо сторонней модели, выбирая баланс между качеством рассуждений, скоростью и стоимостью. 3

Какие настройки и функции заявила OpenAI

OpenAI выделила управление через системные инструкции: можно настраивать тон, темп речи и стиль беседы. Также для модели заявлены поддержка телефонных сценариев, обработка фонового шума и пауз, более надёжная работа в длительных сессиях, расшифровки и текст ответов, распознавание буквенно-цифровых данных и смещение распознавания в сторону заданных ключевых слов. 3

Цена: 0,05 доллара за минуту — но не только

Голосовые сессии GPT‑Live‑1 стоят 0,05 доллара за минуту. Тарификация идёт посекундно: стоимость не округляется до полной минуты. 2

При этом это цена именно голосового слоя. Использование выбранной бэкенд-модели и инструментов оплачивается отдельно, поэтому итоговая стоимость зависит от того, какие модели и вызовы использует приложение. 2

В предоставленных материалах нет достаточных подтверждений деталей о корпоративном доступе «Presence», а также утверждения о расширенной поддержке конкретных акцентов, диалектов и языков.

Заявленные результаты тестов

По данным OpenAI, GPT‑Live‑1 показала улучшение на 30 процентных пунктов в Full Duplex Bench по сравнению с GPT‑Realtime‑2.1. В паре с GPT‑6 Astra при среднем уровне reasoning-модели она заняла первое место в Tau3. 3

Однако точные показатели задержки — от 1,41 до 0,798 секунды — и результаты Tau3 на уровне 86,2% против 45,7% в представленных источниках не приведены. Эти конкретные цифры следует считать неподтверждёнными на основании доступных материалов.

Что рассказали первые пользователи

Сервис Yelp сообщил, что интеграция GPT‑Live‑1 в Yelp Host и Hatch улучшила смену реплик и точность по сравнению с прежней голосовой архитектурой. В звонках по бронированию столиков и заказу еды компания также отметила заметный рост доли успешно обработанных звонков и более полные, естественные реплики со стороны клиентов. 3

Платформа Speak, предназначенная для изучения языков, заявила, что модель даёт учащимся больше времени на обдумывание ответа до реакции виртуального преподавателя. По словам компании, число перебиваний сократилось почти на 80% относительно прежних систем с жёсткой очередностью реплик. 3

Сооснователь и технический директор одной компании из сферы здравоохранения сообщил, что замена каскадной реализации упростила кодовую базу на 80% и позволила удалить 23 000 строк кода, сделав общение с пациентами в реальном времени более естественным. 3