हम API में GPT-Live-1 लॉन्च कर रहे हैं, जिससे डेवलपर्स के लिए एक शक्तिशाली, प्राकृतिक आवाज मॉडल मिलता है, जिसका उपयोग Voice-enable apps और business workflows बनाने के लिए किया जा सकता है। सबसे पहले Chat GPT में पेश किया गया, GPT-Live-1 एक साथ सुनने और बोलने में सक्षम है, और, जैसा कि Codex और Chat GPT Work के साथ देखा गया है, गहरी तर्कशक्ति और कार्यों को उसके साथ जोड़े गए मॉडल और टूल्स को सौंप सकता है। API रिलीज के लिए GPT-Live-1, हमने विकासकर्ताओं को अपने उपयोगकर्ताओं, कार्यप्रवाह और लक्ष्यों के चारों ओर अपनी आवाज के अनुभव को नेविगेट और कस्टमाइज़ करने की क्षमता देने पर ध्यान केंद्रित किया है। GPT-Live-1 की एक कोर स्ट्रेंथ स्मूथ इंटरप्शन हैंडलिंग है, जिसे शुरुआती मूल्यांकन में व्यवसाय प्रभाव दिखाया गया है: Speak ने पाया कि GPT-Live-1 ने भाषा ट्यूटर को उत्तर देने से पहले सीखने वालों को अधिक सोचने का समय दिया, पुराने turn-आधारित प्रणालियों की तुलना में लगभग 80% कम मध्यांतर।

GPT-Live-1 API की प्रमुख शक्तियां:

अंतराल संभालना: एकल मॉडल द्वारा इनकमिंग और आउटगोइंग ऑडियो पर तर्क करके मध्यांतर हैंडलिंग में सुधार, चेन STT-LLM-TTS वास्तुकला की देरी और भंग handoffs से बचना।

तर्क और टूल कॉलिंग डेलीगेशन: GPT-Live-1 बैकएंड टेक्स्ट मॉडल जैसे GPT-6 Astra या तीसरे पक्ष के मॉडल को रीजनिंग और टूल कॉल्स को सौंप सकता है।

टोन, पैस और स्टाइल: डेवलपर्स को अपने एजेंट के टोन, पैस और conversational style को सिस्टम प्रॉम्प्ट के माध्यम से आकार देने की अनुमति देता है।

शांत संदर्भ प्रबंधन और पृष्ठभूमि शोर: बातचीत को बाधित किए बिना या हर कदम को ऊँची आवाज़ में बताए बिना पृष्ठभूमि शोर और मौन को बेहतर तरीके से हैंडल करता है।

लंबे सत्र की विश्वसनीयता: विस्तारित बातचीत में contexto प्रतिधारण और वार्तालाप की गुणवत्ता में सुधार करता है।

टेलीफोनी समर्थन: फोन कॉल के लिए पूर्ण दोहरी आवाज एजेंटों की तैनाती को सक्षम करता है, रेस्तरां आरक्षण से लेकर ग्राहक सहायता तक।

GPT-Live-1 आज़माएं एक सत्र शुरू करें और प्राकृतिक रूप से बोलें। मध्यांतर करें, हँसें, अपना विचार बदलें - घर पर या कॉफी शॉप या शहर की सड़क जैसे शोर वाले स्थान पर कोशिश करें। देखें यह क्या कर सकता है बोलना-over - स्वाभाविक रूप से। मदद मांगें, फिर उत्तर के बीच में मध्यांतर करके प्रश्न बदलें या विवरण जोड़ें। इसे अपने साथ ले जाएं। बाहर चलते हुए या रोजमर्रा के पृष्ठभूमि शोर के साथ एक बातचीत करने की कोशिश करें, और देखें कि यह आपके साथ कैसे बना रहता है। इसे खेलें। हँसें, संकोच करें, छोटे acknowledgments का उपयोग करें, या किसी निकट व्यक्ति के साथ थोड़ी देर बात करें - फिर बातचीत जारी रखें। यह demo समय-सीमित है। इसका उपयोग करके, आप Open AI के शर्तों से सहमत होते हैं और हमारे गोपनीयता नीति को स्वीकार करते हैं।

अपनी voice-agent वास्तुकला को सरल बनाएं और voice latency कम करें पारंपरिक voice एजेंट speech-to-text, एक reasoning model, और text-to-speech को स्टिच करते हैं। प्रत्येक handoff latency जोड़ता है और बातचीन के timing, context, या प्राकृतिक rhythm खोने के अधिक अवसर बनाता है। डेवलपर्स अक्सर उन चरणों को समन्वयित करने के लिए छोड़ दिए जाते हैं, जिसमें यह शामिल है कि जब कोई व्यक्ति मध्यांतर करता है, रुकता है, या दिशा बदलता है तो क्या होता है। GPT-Live-1 एकल मॉडल में सुनना और बोलना हैंडल करता है, voice layer को सरल बनाता है। यह मध्यांतर और acknowledgements का तुरंत जवाब दे सकता है, जबकि backend पर गहरा reasoning delegated करता है। यह बातचीत को जारी रखने की अनुमति देता है जबकि पृष्ठभूमि में कार्य होता है। डेवलपर्स conversational के पीछे मॉडल, tools, and agent harness चुनते हैं। उदाहरण के लिए, वे Luna जैसे मॉडल के साथ GPT-Live-1 को pair कर सकते हैं high-volume tasks जैसे scheduling या order updates के लिए, और Astra जैसे मॉडल का उपयोग complex customer issues के लिए जो reasoning की आवश्यकता होती है। यह लचीलापन developers को reasoning depth, speed, and cost को प्रत्येक task के साथ मैच करने की अनुमति देता है। GPT-Live-1 natively ASR transcripts और response text प्रदान करता है। यह strong alphanumeric समझ और keyword biasing का समर्थन भी करता है। हालांकि GPT-Live-1 एक turn-आधारित model नहीं है, यह natively turn detection का समर्थन करता है, ताकि developers स्पष्ट turn boundaries के चारों ओर बनाना जारी रख सकते हैं।

पूरा full-duplex advantage मापन Across हमारे evaluations, GPT-Live-1 GPT-Realtime-2.1 की तुलना में Full Duplex Bench प्रदर्शन में 30 percentage points में सुधार करता है, turn-taking latency और interactive behavior में बड़ी वृद्धि के साथ...