OpenAI、GPT‑Live‑1をAPIで公開——割り込みを80%削減する音声モデル
GPT‑Live‑1 in the API
OpenAIがGPT‑Live‑1をAPIで提供開始。聞きながら話せる単一モデルで、従来のSTT→LLM→TTS構成より割り込み処理が格段に向上し、言語学習サービスSpeakでは割り込みが約80%減った。推論やツール呼び出しはGPT‑6 Astraなどバックエンドに委譲でき、電話対応も可能。価格はフロント音声層で毎分0.05ドル。
GPT‑Live‑1 handles listening and speaking in a single model, simplifying the voice layer.
HNでの議論
55- dbbk
これをずっと待っていた！私はスペイン語を勉強していて、自分のためにスペイン語を教えるアプリを作ったんだけど、自分の生活の中のシナリオ、たとえば「バルセロナのバーでバルサの試合を観る」みたいなものに超フォーカスしている。FSRSのフラッシュカードトレーニングと、ライブの会話練習ができる。
こうしたライブ会話モデルにとって、教育はめちゃくちゃ未開拓な領域だと思う。もちろんChatGPT Liveをそのまま使うこともできるけど、あれは自由形式で構造化されていなくて、カリキュラムもなければ補助的なビジュアルを提示したりもできない。大規模に考えれば、子どもたちが集団授業だけに頼るのではなく自分専用の個人チューターを持てるようになれば、教育の成功率は大きく跳ね上がる可能性がある。
- agentdev001
https://news.ycombinator.com/item?id=49646963 からの自分のコメントを再投稿します。
ローンチおめでとうございます。ここ数時間これをいじっていましたが、めちゃくちゃすごいです。これがAPIで使えるようになるのをワクワクしながら待っていました。というのも、言うまでもなく、任意のハーネスの手前にドロップインできる音声インターフェースで、超高忠実度の選択肢はこれまでなかったからです。今のところこれは本当に度肝を抜かれています！
（余談の質問ですが、APIのアップデートを一箇所で追える場所はありますか？実際に変更されるものを全部カバーしているような場所です。記憶が正しければ、あなたがツイートしたけどAPIのチェンジログには載らなかった追加がいくつかあったはずです ;] ）
- almogo
かなりAI推進派の自分でも、ここには十分なセールスポイントがない。AIと話したいと思うことはほとんどない。有用な音声インタラクションができるとはどうしても思えない。エージェントがそれを解決するのかもしれないけど、ロボット電話ボットから続く30年間の本当にネガティブな前例を乗り越える必要があって、新しいAPIが一夜にしてそれを変えるとは思えない。
- kailpa1
これは、何かを誰かに教えることで学ぶ、そしてその誰かがAIである、というケースに役立つと思う。教えることで学ぶのは、自分の知識の穴を見つけて、そのトピックを「生徒」が理解できるくらい簡単に説明できるかを確認する素晴らしい方法だというのは誰もが知っている。でもこのプロセスで難しいのは「生徒」を見つけることだ。その生徒をこのモデルに置き換えて、さらに背後にもっと優れた推論モデルを置けば、このケースにおいては実在の人物のかなり十分な代替になるように思える。
- ndom91
https://github.com/TristanBrotherton/voicepe-realtime の上で、HomeAssistantのVoicePEを使ってこれを試してみたいと思っていた。他にHAやVoice PEで何か組み上げた人はもういる？
どうやらファンクションコーリングを行うために2つ目のモデルが必要らしい。gpt-realtime-2.5ではそれは不要だったし、Voice PEのXMOSチップのオーディオパイプラインは、gpt-live-1が今回サポートしたような全二重のやり取りにはあまり向いていないかもしれない。