Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

GPT-Live: balss, kas vienlaikus klausās un runā

Nodarbība 6 no 12 Atjaunota 2026. gada 5. novembris Vidējs
Šajā lapā
  1. Trīs balss paaudzes
  2. Inteliģence fonā
  3. Pieejamība palaišanas brīdī
  4. Ko tas maina taviem lietojumiem
  5. Tava kārta
  6. Galvenās atziņas

Statuss uz 2026. gada 5. novembri. GPT-Live 1 ir pieejams API kopš 2026. gada 10. septembra par cenu 0,05 USD par balss sesijas minūti. 16. oktobrī tika pievienotas divas franču valodas balsis: Brise un Sillage (10. nodarbība). Lietotnē ChatGPT opcija Live tagad darbojas uz modeļiem GPT-Live-1.1 un GPT-Live-1.1 Quip. Kopš 9. septembra balss režīms sarežģītus jautājumus var deleģēt modeliem GPT-5.6 vai GPT-6 Astra.

  1. gada 8. jūlijā OpenAI laida klajā GPT-Live – jaunas paaudzes balss modeļus, kas tagad darbina ChatGPT Voice. Tas nav tikai esošā dzinēja uzlabojums, bet gan fundamentāla arhitektūras maiņa. Lai saprastu, ko sniedz šī jaunā sistēma, ir jāaplūko iepriekšējās arhitektūras.

Trīs balss paaudzes

Pirmā ChatGPT Voice versija savienoja trīs modeļus ķēdē: viens pārveidoja tavu runu tekstā, liels valodas modelis ģenerēja atbildi, un teksta-pārveidošanas-runā dzinējs sintezēja audio. Šī kaskāde ļāva pirmo reizi sarunāties ar uzlabotu modeli, taču katrā posmā tika zaudēta informācija, padarot atbildes lēnas un trūkumainas.

Vēlākais uzlabotais balss režīms (Advanced Voice Mode) apstrādāja un ģenerēja audio viena modeļa ietvaros, samazinot latentumu. Tomēr tas joprojām darbojās pēc principa „pagrieziens-pagriezienā”: modelis gaidīja, kamēr tu beidz runāt, pirms tas atbildēja. Tā kā pagrieziena beigas tika noteiktas pēc klusuma, īss pauzes brīdis vai fona troksnis varēja likt modelim pārtraukt sarunu nepareizā brīdī.

GPT-Live izmanto pilndupleksa (full-duplex) arhitektūru: tas nepārtraukti apstrādā dzirdēto vienlaikus ar runāšanu, vairākas reizes sekundē lemjot, vai runāt, klausīties, pauzēt, pārtraukt sevi vai izsaukt rīku. Praksē tas var parādīt, ka seko notiekošajam („mhmm”, „jā”), nepārtraucot tevi, tikt galā ar ātru informācijas apmaiņu vai palikt kluss, kamēr tu domā.

Trīs balss paaudzes Trīs kolonnas. Kaskāde: transkripcija, valodas modelis, tad teksta-pārveidošana-runā; lēnas atbildes un informācijas zudums. Pagrieziens-pagriezienā: viens audio modelis, gludāks, bet gaida pagrieziena beigas un nepareizi interpretē pauzes. Pilnduplekss, GPT-Live: klausās un runā vienlaikus, deleģējot sarežģītu darbu jaudīgākam modelim. NO KASKĀDES UZ PILNDUPLEKSU Trīs balss paaudzes Kaskāde Princips Trīs modeļi ķēdē Ierobežojums Lēns, zudumi starp posmiem Pagrieziens-pagriezienā Princips Viens audio modelis Ierobežojums Gaida pagrieziena beigas Pilnduplekss Princips Klausās un runā vienlaikus Priekšrocība Deleģē sarežģītu darbu
Pamatojoties uz paziņojumu „Introducing GPT-Live" (OpenAI, 2026. gada 8. jūlijs).

Inteliģence fonā

GPT-Live nesarežģītus uzdevumus neveic viens. Ja jautājums prasa meklēšanu tīmeklī, dziļu spriešanu vai sarežģītu darbību, tas deleģē darbu jaudīgākam modelim un atgriež rezultātu sarunā, tiklīdz tas ir gatavs. Tikmēr tas turpina ar tevi runāt; saruna neapsalst. Palaišanas brīdī šis fona modelis bija GPT-5.5, un OpenAI norādīja, ka tas pielāgosies jauniem modeļiem to izlaišanas brīdī. Kopš 9. septembra ChatGPT Voice var paļauties uz GPT-5.6 vai GPT-6 Astra.

Pieejamība palaišanas brīdī

ElementsStatuss uz 2026. gada 8. jūliju
ModeļiGPT-Live-1 maksas plāniem, GPT-Live-1 mini bezmaksas plānam
ChatGPTIzvietots vietnē chatgpt.com un iOS/Android lietotnēs atbalstītajos reģionos
Darbavietas Business, Enterprise un EduPalaišanas brīdī nav pieejamas
Video un ekrāna kopīgošanaNetiek atbalstīta; palika pieejama, izmantojot uzlaboto balss režīmu (Advanced Voice Mode)
APIPaziņots vēlākam laikam, ar reģistrācijas veidlapu
  1. jūlijā OpenAI pievienoja SynthID ūdenszīmi atbalstītajam audio saturam, kas ģenerēts ar GPT-Live, gan ChatGPT, gan API vidē, kā arī izcelsmes verificēšanas rīku.

Ko tas maina taviem lietojumiem

Apmācībām, uz klientu atbalstu vērstai balss komunikācijai vai darbam bez rokām pilnduplekss novērš galveno balss asistentu sāpju punktu: stingru pagriezienu maiņu. Apmācītājs, kas izmanto balsi intervijas simulēšanai, tagad var atjaunot īstas sarunas ritmu, ieskaitot pārtraukumus, papildjautājumus un klusuma brīžus. Šodien šos iestatījumus vari atrast izvēlnē Settings > Voice, kas piedāvā trīs opcijas: Live, Advanced Mode un Standard Mode. Video un ekrāna kopīgošana mobilajās ierīcēs joprojām prasa Advanced Mode.

Tava kārta

Izmēģini nepārtrauktu sarunu. Lietotnē ChatGPT Voice, ieslēdzot opciju Live, izmēģini šos trīs scenārijus: pārtrauc atbildi teikuma vidū, veic ilgu pauzi pārdomām un uzdod jautājumu, kas prasa meklēšanu tīmeklī, turpinot runāt, kamēr tas tiek izpildīts. Atzīmē, kā saruna reaģē katrā gadījumā, pēc tam atkārto testu, izmantojot Advanced Mode, lai salīdzinātu.

Oficiālie avoti: Introducing GPT-Live (OpenAI, 2026. gada 8. jūlijs) · ChatGPT release notes · ChatGPT Voice (OpenAI Help Center) · GPT-Live 1 (OpenAI API Documentation)

Galvenās atziņas

  • GPT-Live ir pilnduplekss: tas klausās un runā vienlaikus, negaidot, kamēr beigsies tava kārta
  • Tas deleģē sarežģītus jautājumus jaudīgākam modelim un tikmēr turpina runāt
  • Palaišanas brīdī: GPT-Live-1 maksas plāniem, GPT-Live-1 mini bezmaksas plānam, bez video vai profesionālajām darbavietām
  • API tika atvērts 2026. gada 10. septembrī; lietotnē ChatGPT konfigurē Live izvēlnē Settings > Voice