Голосовой бот на GPT-Live-1 или Gemini 3.8 Live: цена минуты

Управляющая сетью стоматологий в Караганде пересылает директору две ссылки. В одной OpenAI пишет, что голосовой слой стоит пять центов за минуту. В другой – прайс Google, где минута входящего звука стоит полцента. Вопрос директора короткий: «Так сколько будет стоить звонок пациента, который хочет перенести приём?»

Ответ «пять центов» неверен. «Полцента» – тоже. Голосовой бот на GPT-Live-1 или Gemini 3.8 Live складывается из нескольких счетов, и цена минуты в анонсе – только первый из них. Разберём, что ещё попадает в стоимость звонка, где у этих моделей ограничения и что проверить, прежде чем сравнивать предложения подрядчиков.

Главное за минуту

Чем новые модели отличаются от прошлогодних голосовых ботов

Большинство голосовых ботов, которые сегодня работают в колл-центрах, собраны конвейером: распознавание речи, текстовая модель, синтез. Каждое звено добавляет задержку, а перебить такого бота трудно – он договаривает фразу, даже когда клиент уже сказал «нет, не то». Мы подробно писали об этом в статье «Голосовой робот для звонков: что проверить до покупки».

GPT-Live-1 устроен иначе. Он слушает и говорит одновременно, переживает паузы и перебивания и сам решает, когда сходить за помощью к другой модели. OpenAI называет это делегированием: голосовой слой ведёт разговор, а тяжёлую работу – найти свободное окно у врача, проверить статус заказа, посчитать доставку – отдаёт бэкенду. Бэкенд может быть моделью OpenAI, которую платформа запускает сама, или вашим собственным сервисом: любая модель, агент или обычный код.

Gemini 3.8 Live решает ту же задачу одной моделью с вызовом инструментов. Google отдельно подчёркивает, что модель продолжает разговор, пока инструмент выполняется в фоне, – клиент не слушает тишину, пока бот ищет запись в CRM.

Для владельца бизнеса разница сводится к одному: в GPT-Live-1 «голос» и «мозг» – два разных счёта, в Gemini 3.8 Live – один счёт с разными ставками за звук и текст.

Сколько стоит минута голосового бота: из чего складывается звонок

Возьмём простой пример. Клиника принимает 2000 звонков в месяц, средний разговор с ботом – три минуты, бот говорит примерно половину времени. Посчитаем только голосовой слой, по публичным прайсам на конец сентября.

Цифра по Gemini – нижняя оценка. Она не учитывает, как растёт контекст длинного разговора и сколько текста модель генерирует внутри сессии. Цифра по GPT-Live-1 честнее для бюджета голосового слоя, но без бэкенда она тоже ничего не говорит о звонке целиком: если на каждый звонок бот трижды ходит в тяжёлую модель за расписанием, этот счёт может оказаться больше голосового.

Поэтому мы советуем просить у подрядчика не «цену минуты», а цену типового звонка по трём строкам: голос, логика, телефония. И сверять её с фактическим счётом после первой недели пилота.

И ещё одна деталь, о которой забывают в Казахстане: оба сервиса выставляют счёт в долларах. Курс тенге на день списания – тоже часть цены звонка, и в бюджете на год её стоит заложить с запасом.

Русский и казахский: что известно и что придётся проверить

У Google в документации Live API опубликован список поддерживаемых языков, и в нём есть русский и казахский. У OpenAI списка языков для GPT-Live-1 нет: в анонсе сказано лишь, что модель охватывает больше акцентов, диалектов и языков, чем прежние голосовые модели.

Наличие языка в списке – это допуск к экзамену, а не оценка. Голосовой бот в Казахстане спотыкается не на чистом русском, а на живой речи: смешение русского и казахского в одной фразе, фамилии, названия улиц в Шымкенте, номера телефонов, которые диктуют группами по-разному. Что именно ломается у ботов на русском, собрано в статье «Голосовой бот на русском языке – особенности, ошибки, настройка».

Перед выбором соберите 30–50 реальных записей звонков (с согласием клиентов или обезличенных) и прогоните их через обе модели. Смотрите на три вещи: правильно ли записаны имя, телефон и адрес; не перебивает ли бот на паузах, когда клиент ищет номер заказа; как он переключается, если клиент перешёл на казахский посреди разговора. У GPT-Live-1 для имён и терминов есть подсказка распознаванию по ключевым словам – названия ваших услуг и врачей стоит передать сразу.

Ограничения, которые видно только в документации

Анонсы рассказывают о качестве голоса. Документация – о том, во что вы упрётесь в первый понедельник после рекламной рассылки.

Одновременные разговоры. У GPT-Live-1 лимит зависит от уровня аккаунта: 25 одновременных сессий на первом уровне, 50 на втором, 200 на третьем и до 500 на пятом. Новый аккаунт стартует с нижних ступеней. Если после рассылки позвонят сорок человек сразу, пятнадцать из них бот не примет – нужна очередь или перевод на живых операторов.

Длина сессии. В Gemini Live API сессия только со звуком ограничена 15 минутами, продлевать её нужно механизмами управления сессией. Для записи на приём это много, для разбора сложной претензии – впритык.

Что модель не умеет. GPT-Live-1 не принимает изображения и не поддерживает структурированный вывод – анкету по звонку надёжнее собирать в бэкенде, а не просить голосовую модель вернуть аккуратный JSON. Собственный голос бренда у OpenAI выдаётся через отдел продаж и не для всех.

Перевод на оператора. Обе модели подключаются к телефонной линии через SIP или WebSocket, но тёплая передача звонка человеку с карточкой клиента – задача вашей телефонии и CRM, а не модели. Как её устроить, мы разбирали в материале о SIP-транке для голосового бота – ссылка в конце статьи.

Записи разговоров и персональные данные

Голос клиента, его имя и телефон в одной записи – персональные данные. И обе платформы хранят их за пределами Казахстана.

У OpenAI для GPT-Live-1 журналы мониторинга злоупотреблений хранятся 30 дней. Состояние сессии по умолчанию не хранится, а если включить сохранение, платформа возвращает стереозапись разговора и держит её 30 дней. Модель поддерживает режим нулевого хранения (Zero Data Retention): при нём сохранение принудительно выключается. Регионы данных – США и Европа.

У Google Gemini 3.8 Live в Gemini Enterprise доступен с точками в США и ЕС. Важная оговорка: на бесплатном уровне Gemini API данные используются для улучшения продуктов Google, на платном – нет. Тестировать бота на звонках реальных клиентов через бесплатный ключ нельзя.

С начала октября в Казахстане действуют обновлённые правила сбора и обработки персональных данных: передача за рубеж – с согласия субъекта, хранение – в базах на территории РК. Голосовой бот на зарубежной модели – это трансграничная передача, и согласие нужно получить в начале звонка, вместе с сообщением, что клиент говорит с ИИ. Подробно о новых правилах – в статье «Новые правила сбора персональных данных: лиды, маскирование, ИИ». Основная копия записи и расшифровки должна жить в вашей CRM на казахстанских серверах, а не в кабинете вендора.

Чек-лист перед выбором модели

Список короткий, но каждый пункт мы видели пропущенным в реальных проектах. Пройдите его до того, как подписывать договор с подрядчиком.

• Посчитать звонок по трём строкам: голос, логика, телефония – и заложить курс тенге.
• Прогнать 30–50 реальных записей через обе модели и проверить имена, телефоны, адреса и казахскую речь.
• Оценить пиковую нагрузку и сравнить её с лимитом одновременных сессий своего аккаунта.
• Решить, кто принимает звонки сверх лимита: очередь, автоответ или операторы.
• Добавить в первую реплику бота раскрытие ИИ и согласие на обработку и передачу данных за рубеж.
• Настроить, чтобы запись, расшифровка и итог звонка попадали в карточку клиента в CRM.
• Для тестов с реальными клиентами – только платный ключ и, где возможно, режим нулевого хранения.

Связанные материалы

• SIP-транк для голосового бота: как подключить телефонию и не сойти с ума
• AI-боты для входящих обращений