OpenAI анонсувала нові голосові моделі GPT-Live-1 та GPT-Live-1 mini, які забезпечують більш природне ведення діалогу, підтримують одночасне слухання й мовлення та відкривають нові можливості для голосової взаємодії з ChatGPT.
Повідомляє видання GALERANEWS, посилаючись на TechCrunch.
OpenAI випустила дві нові розмовні моделі — GPT-Live-1 та GPT-Live-1 mini. Вони працюють у режимі full-duplex, що дозволяє одночасно слухати користувача та відповідати, не перериваючи розмову. Завдяки цьому користувачі можуть перебивати асистента природним чином, а також використовувати функції на кшталт живого перекладу.
Компанія також оновлює голосовий режим ChatGPT. За замовчуванням усі користувачі отримають доступ до GPT-Live-1 mini, тоді як передплатники платних тарифів зможуть користуватися повноцінною моделлю GPT-Live-1. На відміну від попередньої архітектури, яка окремо використовувала моделі розпізнавання мовлення, генерації тексту та синтезу голосу, нове рішення забезпечує більш цілісне та плавне спілкування.
За словами OpenAI, нові моделі усувають проблеми, через які голосовий помічник міг перебивати користувача або не демонстрував достатнього рівня інтелекту під час відповідей. Для складних запитів GPT-Live-1 може звертатися до новітніх текстових моделей компанії, зокрема GPT-5.5, виконуючи пошук інформації, логічні міркування або агентські завдання без переривання розмови.
Під час презентації компанія продемонструвала, що голосова модель здатна тривалий час мовчки аналізувати контекст бесіди й відповідати лише тоді, коли це потрібно. Крім того, завдяки інтеграції з новими моделями GPT асистент може представляти частину інформації у візуальному форматі.
У OpenAI зазначають, що новий голосовий режим створений для довгих розмов. Керівник напряму ChatGPT Voice Атті Елеті повідомив, що під час тестування регулярно проводив із голосовим помічником бесіди тривалістю від 30 до 40 хвилин.
Компанія вважає, що в майбутньому саме голос може стати основним способом взаємодії з комп’ютерами та інструментом керування складними агентними завданнями. При цьому OpenAI наголошує, що не прагне перетворити ChatGPT на AI-компаньйона. Для нових моделей передбачені механізми безпеки, зокрема вікові обмеження відповідей для підлітків та рекомендації щодо отримання допомоги у випадках, коли розмова стосується тем самоушкодження.
Водночас компанія визнає, що технологія ще потребує доопрацювання. Під час демонстрації функції живого перекладу хінді голос асистента мав виражений американський акцент, а мовлення звучало неприродно. OpenAI заявила, що система оптимізована для більшості поширених мов, однак повний перелік підтримуваних мов поки не розкриває.
