XNews

OpenAI GPT-Live:Go言語とWARPプロトコルで6ヶ月で構築された全二重音声システム

OpenAIは、ターン検出を排除し、同時に聞くことと話すことを可能にする全二重音声モデルGPT-Liveを構築した。このモデルは非同期委任メカニズムを採用しており、高速パスがリアルタイム音声チャットを処理し、低速パスがGPT-5.5などのモデルを呼び出して複雑な推論やツール使用を行い、その結果をフィードバックする。基盤コードはPythonからGoに書き換えられ、オーディオパケットのレイテンシジッタを低減。WebRTCベースのカスタムトランスポートプロトコルWARPにより、音声接続確立に必要な6回のネットワークラウンドトリップが1回に削減され、単一のUDPパケットでセッションを開始できるため、サブ秒のレイテンシを実現している。

Source posts