Содержание
GPT‑Live превратил голосовой ChatGPT в непрерывного собеседника
OpenAI раскрыла устройство GPT‑Live — голосовой системы третьего поколения, которая умеет слушать и говорить одновременно. В прежних голосовых AI отдельный детектор должен был угадать, закончил ли пользователь реплику: из-за этого ассистент либо перебивал человека, либо отвечал с заметной задержкой. GPT‑Live работает в полнодуплексном режиме и больше не ждёт формальной паузы перед каждым ответом.
Разговор продолжается, пока AI думает
Быструю голосовую реакцию обеспечивает отдельная модель, а сложные рассуждения, поиск и вызовы инструментов система асинхронно передаёт более мощным моделям, включая GPT‑5.5. Пока такая задача выполняется в фоне, GPT‑Live может поддерживать естественный ход беседы, а затем встроить полученный результат в ответ.
Эта архитектура уже лежит в основе голосового режима ChatGPT. OpenAI также связывает её с новой возможностью десктопного приложения управлять компьютером и координировать AI‑агентов: медленный инструмент не должен останавливать звук и превращать разговор в череду неловких пауз.
Что OpenAI изменила внутри
Компания отделила передачу аудио от прикладной логики, перенесла ключевые компоненты с Python asyncio на Go и построила постоянный поток поверх WebRTC. По данным OpenAI, задержка p95 в новой реализации стала сопоставима с прежним медианным показателем p50. Для длинных разговоров система умеет незаметно переносить сессию между экземплярами модели и сжимать контекст без разрыва аудио.
Отдельно OpenAI разработала набор улучшений WARP: он сокращает запуск WebRTC‑сессии с шести сетевых обменов до одного. Спецификации открыты, а поддержка уже появилась в libwebrtc и Pion. Вместе с Instant Connect это позволяет начинать голосовую сессию первым UDP‑пакетом и быстрее переходить к самому разговору.
Почему это важно пользователям и бизнесу
Для авторов и обычных пользователей голосовой ChatGPT становится ближе к живому собеседнику: его можно перебить, уточнить мысль на ходу и не ждать завершения фонового поиска. Для бизнеса это важная основа голосовых консультантов, поддержки и рабочих ассистентов, которые могут обращаться к данным и инструментам, не заставляя клиента слушать тишину. Главное изменение здесь не новый голос, а исчезновение жёсткой очередности «сначала человек — потом машина».