GPT-Live-1.1: новые голоса, акценты и спор о том, что стало с Sol

⚡ Суть спора

OpenAI выкатила GPT-Live-1.1 — обновление для ChatGPT, Codex и dots: 13 новых голосов, заметно лучше акценты во французском, немецком, хинди, мексиканском испанском, корейском и японском, плюс обещание реже показывать «checking…». Ветку на OpenAI Community открыл VeitB; в ней 43 ответа, 119 лайков и 6122 просмотра. Спор идёт не о том, нужны ли новые голоса, а о двух вещах: когда всё это доедет до API и почему у части пользователей привычные голоса стали звучать хуже.

🗣 Что говорят участники

Автор темы VeitB пишет, что обновление раскатывается сегодня на всех пользователей, а в API — «coming soon». Отдельно он разбирает делегирование: нативная интеграция с Decisions API позволяет принимать решения с низкой задержкой, пока пользователь ещё говорит, и «native delegation skips a round trip through your app». Кастомные голоса, по его словам, собираются из текстового описания или из одобренной записи; позже он дописал в шапку ссылку на видео о настройке голосов.

Самый практичный вопрос задал fred5: «it’s seems that it’s not yet available in the API?» VeitB подтвердил и ответил: «Yes, it’s coming soon to the API. Fingers crossed that’s very soon!» Для тех, кто строит голосовых агентов, это значит, что новые голоса и делегирование пока остаются витриной, а не рабочим инструментом.

merefield хвалит именно то, что обещали: «The current models seem to bleed one accent into another, this is great news» — и добавляет, что люди, в общем-то, делают то же самое. Про «checking…» он коротко бросает: «Praise be!» И тут же возвращает разговор к делу — ждёт раскатки в API.

Первый заметный минус приносит frz.lunarwolf: в стандартном режиме голос Arbor у него не работает для live voice, только для read aloud. А новые версии Arbor в Advanced и Live ему не нравятся — «sound terrible to me». Это личная оценка, без записи и замеров, но она показывает, что «13 новых голосов» не обязательно плюс для каждого конкретного пресета.

nathanjay идёт дальше и спрашивает, что случилось с голосом Sol в стандартном режиме. Вторая претензия — поведение: модель начала описывать соотношение сторон, максимальную ширину и другие настройки отображаемых картинок и графиков. Аудио, видео и внешнюю ссылку он приложить не может, поэтому отсылает к своему ответу на твит OpenAI — искать по фразе «WHAT HAVE YOU DONE TO SOL?!!».

Единственная реплика в стороне от проблем — от aprendendo.next: «This looks fun! The Marvin robot voice is a classic!» Коротко, но это тоже часть картины: кто-то воспринимает обновление как развлечение, а не как регресс.

⚖️ Где сходятся, где расходятся

Общий знаменатель узкий, но реальный: голосов стало больше, «checking…» обещают меньше, акценты в неанглийских языках — то, чего ждали. Все, кто пишет здесь про разработку, хотят одного и того же — API. По этому пункту ветка не спорит, а ждёт.

Настоящая точка конфликта — не список фич, а качество конкретных голосов и поведение модели. Анонс говорит про акценты и управляемость в целом, а претензии frz.lunarwolf и nathanjay — про Arbor и Sol в конкретных режимах. Согласия тут нет: один участник доволен, другие слышат ухудшение. Замеров и слепых сравнений «до/после» в ветке не видно — кроме видео, на которое ссылается nathanjay, но его здесь не приложить.

🧪 Что проверить самому

• Уточнить, доступен ли GPT-Live-1.1 в вашем аккаунте и появился ли он в API: в ветке на момент обсуждения — только «coming soon».
• Прогнать один и тот же текст на французском, немецком, хинди и японском и послушать, не перетекает ли один акцент в другой.
• Сравнить Arbor и Sol в режимах Standard, Advanced, Live и в read aloud — именно там участники видят разницу.
• Посчитать, как часто всплывает «checking…» и как это отражается на задержке в живом диалоге.
• Проверить, не начали ли ответы описывать соотношение сторон и ширину картинок и графиков — на это указал nathanjay.

🔗 Источники

OpenAI Community — GPT-Live-1.1 is rolling out with new voices and better accents

Дисклеймер: это пересказ обсуждения, а не проверенные редакцией факты. Мнения принадлежат участникам, цифры — тем, кто их привёл.