OpenAI выпустила голосовую модель ИИ с полным дуплексом: 150 млн пользователей получат живой диалог

До сих пор голосовой режим ChatGPT работал по цепочке: речь расшифровывалась в текст, текст обрабатывался языковой моделью, ответ озвучивался синтезатором. Каждое звено добавляло задержку и теряло интонацию. По данным OpenAI, голосовыми функциями ChatGPT (голос и диктовка) пользуются больше 150 миллионов человек. Новые модели заменяют эту цепочку единой архитектурой, и компания уже начала подмену: GPT-Live-1 mini становится голосом ChatGPT по умолчанию для всех, а полноразмерная GPT-Live-1 доступна подписчикам платных тарифов.

Что умеют новые модели?

• Полный дуплекс. Модель слушает и говорит одновременно. Вы можете перебить, уточнить, дополнить, и разговор не сломается. Раньше голосовой режим иногда сам перебивал пользователя.
• Подключение к свежим текстовым моделям. Пока вы разговариваете, запрос уходит на GPT-5.5 для поиска, рассуждений или агентных действий (ИИ-агент, программа, которая сама выполняет цепочку шагов для решения задачи). Ответы стали содержательнее.
• Длинные разговоры. Модель рассчитана на диалоги по 30 и более минут. Руководитель продукта ChatGPT Voice Атти Элети рассказал, что сам ведёт 30-40-минутные беседы с голосовым помощником на прогулках.
• Молчание и контекст. Модель может долго молчать, впитывая контекст, и включиться, когда к ней обратятся.
• Визуальный формат. Часть информации помощник показывает на экране, а не только проговаривает.
• Живой перевод. Голосовой режим переводит речь в реальном времени, хотя качество пока неровное.
• Защита для подростков. Встроены механизмы возрастных ограничений: модель даёт ответы, соответствующие возрасту, и предлагает ресурсы помощи, если разговор затрагивает темы вроде самоповреждения.

Живой перевод пока звучит неестественно

На демонстрации компания показала перевод на хинди. Помощник говорил с заметным американским акцентом, выбирал книжные обороты и звучал неестественно. OpenAI заявила, что режим оптимизирован для «большинства разговорных языков», но конкретный список не назвала.

Для русскоязычных пользователей это прямой сигнал: если на хинди, языке с сотнями миллионов носителей, акцент и стиль далеки от живой речи, с русским языком на старте могут быть аналогичные проблемы. Стоит проверять самим, как только функция станет доступна.

Кто ещё делает подобное?

OpenAI не единственная. Apple и Amazon обновили своих ассистентов, добавив более естественный диалог и работу с контекстом. Стартап Sesame, основанный сооснователем Oculus Бренданом Айрибом и Анкитом Кумаром, запустил голосового помощника, который ведёт живой разговор и параллельно выполняет фоновые задачи. Стартап Monogram привлёк 40 миллионов долларов посевных инвестиций от DST и Lux Capital и делает ставку на визуальные ответы в голосовых ассистентах.

Как попробовать?

1. Откройте ChatGPT на телефоне или компьютере. GPT-Live-1 mini уже встроена в голосовой режим по умолчанию.
2. Нажмите значок микрофона и начните говорить. Попробуйте перебить помощника или задать уточняющий вопрос, не дожидаясь паузы.
3. Если у вас платная подписка, переключитесь на GPT-Live-1 в настройках голосового режима для более детальных ответов.

Сравнение с российскими аналогами

Частые вопросы

Новый голосовой режим платный?

GPT-Live-1 mini уже работает бесплатно в ChatGPT по умолчанию. Полноразмерная GPT-Live-1 доступна на платных тарифах. Точную стоимость подписки OpenAI в этом анонсе не называла.

Будет ли перевод работать с русским языком?

OpenAI заявила, что режим оптимизирован для «большинства разговорных языков», но конкретный список не опубликовала. На демо с хинди выявились проблемы с акцентом и естественностью, так что для русского стоит ожидать похожих шероховатостей на старте.

OpenAI выпустит наушники с ИИ?

Издания сообщали о возможном запуске наушников с ИИ в этом году, но на брифинге 4 июня компания не предоставила никакой информации о собственных устройствах. Пока это слухи без подтверждения.

Атти Элети сформулировал направление прямо: «Со временем голос станет основным интерфейсом к вычислениям и к управлению сложной агентной работой». Если это сбудется, тексту придётся конкурировать не с другим текстом, а с разговором. Авторам стоит начинать думать об этом уже сейчас.