01 क्या हुआ
10 सितंबर 2026 को, OpenAI ने GPT-Live-1 को API के माध्यम से फुल-डुप्लेक्स वॉइस वार्तालापों के लिए उपलब्ध कराया, जो एक साथ सुनते और बोलते हैं।
02 मुख्य विवरण
- वॉइस मॉडल ठहराव और बीच में बोलने को संभालता है। गहरे तर्क और टूल के उपयोग का काम डेवलपर के चुने हुए बैकएंड मॉडल को सौंपा जाता है।
- डेवलपर वॉइस एजेंटों के लिए सिस्टम इंस्ट्रक्शन के माध्यम से टोन, गति और शैली को परिभाषित कर सकते हैं, जिसमें स्वचालित फोन वर्कफ़्लो शामिल हैं।
- वॉइस लेयर की लागत $0.05 प्रति मिनट है; बैकएंड मॉडल और टूल का उपयोग अलग से शुल्क लेता है।
- OpenAI के अनुसार, Speak के शुरुआती मूल्यांकन के परिणाम बताते हैं कि पिछले टर्न-बेस्ड सिस्टम की तुलना में सोचने के विराम के दौरान रुकावटों में लगभग 80% की कमी आई।
03 यह क्यों महत्वपूर्ण है
यह API डेवलपर्स को प्रतिक्रियाशील वॉइस एजेंट और फोन वर्कफ़्लो बनाने में सक्षम बनाता है जो रुकावटों और विरामों को रीयल-टाइम में संभालकर प्राकृतिक वार्तालाप प्रवाह बनाए रखते हैं।
04 किनके लिए महत्वपूर्ण है
सॉफ़्टवेयर डेवलपर और वॉइस सिस्टम इंजीनियर।
मूल स्रोत