OpenAI представила GPT-Live с поддержкой полного дуплекса для бесед с ИИ

OpenAI представила обновленную систему голосового взаимодействия GPT-Live с архитектурой полного дуплекса. Технология устранила характерные паузы в диалоге с ИИ-ассистентом и позволяет прерывать модель в любой момент разговора.

Инженеры Джастин Уберти и Захан Малкани описали результаты шестимесячной работы над базовой архитектурой в техническом блоге. Традиционные голосовые ассистенты используют детектор поворотов для определения конца реплики пользователя. Слишком раннее срабатывание обрывает речь человека. Позднее создает неестественные паузы в разговоре.

GPT-Live полностью отказалась от этого механизма. Система работает в дуплексном режиме — принимает голос и генерирует ответ одновременно. Алгоритм несколько раз в секунду принимает решение: продолжать слушать, начать говорить, сделать паузу или пропустить реплику собеседника. Такой подход исключает искусственные задержки.

Разработчики разделили архитектуру на два независимых слоя. Аудиопоток передается по выделенным каналам с минимальной задержкой между устройством и моделью GPT-Live. Сложные задачи — веб-поиск, выполнение кода, обращение к GPT-5.5 для глубокого анализа — обрабатываются асинхронно на серверной части. Голосовой слой сохраняет плавность даже при многосекундной обработке запроса.

Для оптимизации транспортного уровня OpenAI переписала код с Python asyncio на язык Go. Это обеспечило стабильную передачу аудиокадров для более чем 150 млн активных пользователей в неделю. Команда также создала открытый протокол WARP (сокращенная версия обмена данными WebRTC). В связке с функцией Instant Connect протокол сжимает стандартную процедуру установки соединения. Вместо шести сетевых обменов требуется один пакет данных.

Это позволяет запускать голосовую сессию практически без задержки. GPT-Live доступна всем пользователям платформы OpenAI. Отдельные тарифы для голосового режима компания не анонсировала.