GPT-Live — OpenAI выкинула пошаговый войс и научила ChatGPT перебивать. Full-duplex, живой перевод и GPT-5.5 на подхвате
Голосовой режим ChatGPT только что пережил самую большую перестройку за свою историю. OpenAI раскатывает GPT-Live — семейство full-duplex голосовых моделей, которые слушают и говорят одновременно, вместо того чтобы вежливо ждать твоей паузы. Advanced Voice Mode отправляется на пенсию, 150 миллионов человек, которые еженедельно разговаривают с ChatGPT, переезжают на новую архитектуру — а разработчикам пока показывают только форму ожидания API.
TL;DR: GPT-Live — full-duplex голосовые модели OpenAI: непрерывный поток ввода-вывода вместо пошаговых реплик, живой перевод, wake word, фоновое делегирование сложных задач GPT-5.5. GPT-Live-1 становится дефолтом голосового режима для Go/Plus/Pro, mini-версия — для Free; раскатка на iOS, Android и веб идёт сейчас. API для разработчиков — «позже, по записи». Видео и шаринг экрана на старте не работают.
Чем GPT-Live отличается от старого голосового режима?
Главное отличие — full-duplex архитектура: модель принимает аудио и генерирует ответ одновременно и непрерывно, а не по очереди. Старый Advanced Voice Mode работал пошагово — ждал тишины, принимал её за конец реплики и только потом отвечал; отсюда фирменные неловкие перебивания на середине твоей мысли и паузы невпопад. GPT-Live слушает, пока говорит, и говорит, пока слушает — как человек в телефонном разговоре.
Из этой архитектуры вытекают фичи, которые в пошаговой модели были невозможны. Живой перевод: два человека говорят на разных языках, модель переводит поток в обе стороны, не дожидаясь конца фраз. Режим wake word — ChatGPT слушает молча и включается по обращению. И самое интересное для нас: фоновое делегирование — когда в разговоре всплывает сложный вопрос, GPT-Live отдаёт его GPT-5.5 (поиск, reasoning) и продолжает беседу, пока задача считается в фоне. Плюс мелочь, из которой видно вектор: модель вставляет «эм» и «э-э» — заполнители пауз, как у живого собеседника.
Vendor-цифры прилагаются: по внутренним тестам OpenAI, GPT-Live-1 обходит Advanced Voice Mode на GPQA, BrowseComp и собственном бенчмарке τ³-Voice Telecom — независимых замеров, как обычно на старте, нет.
Кому и когда достанется GPT-Live?
Раскатка уже идёт: GPT-Live-1 становится дефолтной моделью голосового режима для подписчиков Go, Plus и Pro, GPT-Live-1 mini — для бесплатных аккаунтов, на iOS, Android и вебе по всему миру. OpenAI предупреждает, что до всех аккаунтов волна докатится за день-два.
Расслоение «полная модель платным, mini бесплатным» — деталь, которую стоит заметить: OpenAI впервые делает саму латентность и качество живого диалога платным дифференциатором. Продуктовый лид ChatGPT Voice Атти Элети формулирует амбицию прямо: голос должен стать «основным интерфейсом к вычислениям» и способом управлять «долгими агентными задачами» — то есть в перспективе тем местом, откуда запускают Codex-воркфлоу, а не только спрашивают погоду.
Для разработчиков всё скромнее: API нет. Есть форма записи на будущий доступ — и это заметный разрыв со стратегией конкурентов, у которых живые голосовые API уже в проде.
Подводные камни
- API — только по записи, без сроков. Строить свой продукт на full-duplex голосе OpenAI сегодня нельзя; можно только записаться в очередь. Realtime API со старыми turn-based моделями остаётся единственным рабочим вариантом.
- Видео и шаринг экрана на старте выпилены. Advanced Voice Mode это умел — GPT-Live пока нет, OpenAI обещает «скоро». Если твой сценарий завязан на «покажи камере» — оставайся на легаси-режиме, он доступен параллельно.
- Языки неровные. OpenAI прямо предупреждает: вне топовых языков ChatGPT возможен неродной акцент и пробелы в беглости. Для русского это стоит проверить до того, как пересаживать на войс родителей.
- Полноценность модели зависит от тарифа. Free-пользователи получают mini — а значит, впечатления «как в демо» у них не будет, и жалобы «GPT-Live тупит» стоит сначала проверять вопросом «какой у тебя план?».
Альтернативы
- OpenAI Realtime API — прежняя голосовая линейка остаётся единственным способом встроить голос OpenAI в свой продукт: turn-based, зато с API и ценами.
- Gemini Live — голосовой режим Google с поддержкой камеры и экрана, которых у GPT-Live на старте нет; API через Live API в AI Studio.
- Локальный стек (Voxtral и другие) — если нужен голос без облака: открытые TTS/STT-модели уже закрывают базовые сценарии, full-duplex диалога уровня GPT-Live там пока нет.
Вердикт
Как пользователь — просто попробуй: это самое заметное улучшение голосового ChatGPT с момента появления Advanced Voice Mode, и перевод в реальном времени стоит показать всем, кто путешествует. Как разработчик — запишись в лист ожидания API и не перестраивай планы: пока full-duplex не доступен программно, твой стек остаётся на Realtime API или Gemini Live. А следить тут стоит за одним: если OpenAI доведёт связку «голос + фоновые агенты» до API, голосовое управление Codex-воркфлоу из машины или с пробежки перестанет быть демо-фантазией — и вот тогда это станет новостью про разработку, а не про ChatGPT.
Как попробовать
- Обнови приложение ChatGPT (iOS/Android) или открой веб — раскатка идёт волной, GPT-Live включается как дефолт голосового режима сам.
- Проверь full-duplex на живом сценарии: перебей модель на середине ответа уточнением — старый режим на этом ломался, новый перестраивается на лету.
- Протестируй перевод: попроси «переводи наш разговор на испанский и обратно» и говори без пауз-«передач хода».
- Разработчику: заполни форму ожидания API и проверь свой продукт на старом Realtime API — миграция на full-duplex будет проще с уже работающим голосовым контуром.
- Если пользуешься видео-режимом голоса — не спеши: легаси Advanced Voice Mode остаётся доступным, а в GPT-Live камеры пока нет.
