OpenAI запустила GPT‑Live‑1 в API: голосова модель, що слухає й говорить одночасно

Дата анонсу в API — 10 вересня 2026 року, а не 11 вересня. Саме тоді OpenAI повідомила про запуск GPT‑Live‑1 — загальнодоступної голосової моделі з повнодуплексною взаємодією (full duplex). Її призначення — зробити голосових агентів ближчими до звичайної розмови: модель здатна слухати співрозмовника й говорити одночасно, а не обробляти діалог суворо по черзі. 3

Чим вона відрізняється від звичної голосової схеми

У традиційних голосових системах зазвичай працює ланцюжок із трьох окремих етапів:

1. розпізнавання мовлення — speech-to-text;
2. мовна або reasoning-модель, що формує відповідь;
3. синтез мовлення — text-to-speech.

Кожне передавання даних між такими компонентами додає затримку та може погіршувати відчуття ритму розмови, втрачати нюанси часу й контексту. GPT‑Live‑1 поєднує слухання та мовлення в одній голосовій моделі. 3

Завдяки цьому вона може реагувати на перебивання, короткі підтвердження на кшталт «так» або «зрозуміло» та інші сигнали прямо під час діалогу. Водночас складніше міркування, виклики інструментів або виконання дій може обробляти окрема бекенд-модель у фоновому режимі. 3

Розробники можуть доручати цю частину моделі OpenAI, зокрема GPT‑6 Astra, або сторонній моделі — залежно від потрібного балансу якості міркування, швидкості та вартості. 3

Які можливості виділила OpenAI

Компанія також заявила про керування через системні інструкції — зокрема тоном, темпом і стилем розмови. Серед інших можливостей названо розгортання для телефонії, роботу з фоновим шумом і паузами, надійнішу роботу в тривалих сесіях, транскрипти та текст відповідей, розпізнавання буквено-цифрових даних і зміщення розпізнавання на користь заданих ключових слів. 3

Ціна та принцип оплати

Голосові сесії GPT‑Live‑1 коштують $0,05 за хвилину. OpenAI тарифікує їх посекундно — без округлення до повної хвилини. 2

Водночас це ціна лише голосового шару. Використання моделі, яка виконує бекенд-міркування, а також виклики інструментів оплачуються окремо. Отже, фактична вартість залежатиме і від тривалості розмови, і від обраної моделі та інструментів. 2

Заявлені результати та ранні приклади

За даними OpenAI, GPT‑Live‑1 показала перевагу в 30 відсоткових пунктів у Full Duplex Bench порівняно з GPT‑Realtime‑2.1. Компанія також повідомила, що зв’язка GPT‑Live‑1 із GPT‑6 Astra за середнього рівня міркування посіла перше місце в Tau3. 3

OpenAI навела приклади ранніх користувачів. Yelp заявила, що інтеграція GPT‑Live‑1 у Yelp Host і Hatch поліпшила чергування реплік та точність порівняно з попередньою голосовою архітектурою — зокрема в дзвінках щодо бронювання та замовлення їжі. 3

Сервіс Speak повідомив, що модель дає тим, хто вивчає мови, більше часу на обдумування відповіді до реакції цифрового викладача та майже на 80% скорочує кількість перебивань порівняно з попередніми системами, які працювали за принципом «одна репліка за раз». 3

Один зі співзасновників і технічний директор компанії зі сфери охорони здоров’я також заявив, що заміна каскадної реалізації спростила кодову базу на 80% і дала змогу прибрати 23 000 рядків коду. 3

Точні показники затримки та окремі відсотки проходження Tau3, які іноді наводять у переказах запуску, у наданих матеріалах незалежно не підтверджені. Тому їх варто вважати неперевіреними в межах цих джерел.