OpenAI расширяет возможности моделей голосового общения: GPT-Live-1 в API с прерываниями и звонками

Суть статьи (IT Home, 11 сентября 2026): OpenAI вывела в публичный API новую модель реального времени GPT-Live-1 — для голосовых приложений и голосовых агентов.

Ключевые моменты:

• Полный дуплекс: модель одновременно слушает и говорит, корректно обрабатывает перебивания, паузы и фоновый шум — поведение ближе к живому разговору, чем к «рации».
• Одна модель вместо конвейера: распознавание речи и синтез встроены в саму модель, убирается классическая связка «ASR → LLM → TTS», за счёт этого снижена задержка. При этом сложные рассуждения и вызов инструментов можно передавать текстовой модели на бэкенде.
• Сценарии: телефонные агенты (бронирование, клиентский сервис), интеграция с Codex, голосовые работники, которые ходят в корпоративные системы, выполняют одобренные действия и при необходимости передают звонок человеку. Настройка тона, темпа и стиля — через системный промпт.
• Результаты: у языковой платформы Speak ложные перебивания во время пауз «ученик думает» упали почти на 80%; один из партнёров выкинул ~23 тыс. строк кода (−80%). В бенчмарке Full Duplex Bench модель на 30 п.п. выше предыдущей GPT-Realtime-2.1 и лидирует в Tau3 (端到端-задачи голосовых агентов) в связке с GPT-6 Astra.
• Цена: голосовой фронтенд-слой — $0,05/мин (≈ $3/час), бэкенд-модели и инструменты оплачиваются отдельно. Плюс добавлено 12 новых голосов (Quartz, Ripple, Vesper и др.).

Одной строкой: OpenAI превратила живой голосовой диалог в доступный API-продукт — разработчикам больше не нужно самим склеивать распознавание, LLM и синтез, чтобы сделать телефонного или разговорного агента.