OpenAI се стреми да запази водещата си позиция във все по-оспорваната надпревара в областта на изкуствения интелект. Компанията представи модел, който значително ще промени работата на гласовия режим на ChatGPT. Системата вече ще може да води много по-непринудени разговори, включително в режим на пълен дуплекс.
Новият модел се нарича GPT-Live, като първоначално ще бъдат въведени два варианта: GPT-Live-1 и GPT-Live-1 mini. Благодарение на пълния дуплекс разговорът с изкуствения интелект ще стане наистина близък до общуването между хора. Системата вече няма само да говори или да слуша, а ще може да говори и едновременно с това да следи реакциите на потребителя. Поведението ѝ ще наподобява човешкото и в редица други отношения.
Разработчиците са се погрижили гласовият режим да показва на потребителите, че продължава да ги слуша внимателно, като от време на време вмъква по едно „да“ или „хм“ – точно както правят хората. Интересното е, че макар да е създаден за бърза комуникация и да отговаря на въпросите по-бързо от всякога, той може да разпознава и кога трябва да замълчи. Когато човек спре за миг по средата на изречението, за да помисли, защото не се сеща за подходящата дума, ChatGPT ще изчаква търпеливо.
Гласовият режим на ChatGPT също ще може да обмисля отговорите си в хода на разговора, тъй като обработката на речта и работата със знания са разделени във фонов режим. При въпроси, които изискват по-задълбочена информация или са по-сложни, GPT-Live ще предава задачата на най-усъвършенствания модел на компанията, GPT-5.5. Той ще разработва „решението“ и ще връща резултата на GPT-Live, който ще го съобщава на потребителя чрез гласовия режим.
„Тези подобрения осигуряват ново изживяване с гласовия режим на ChatGPT, което прави общуването по-интелигентно и естествено. Смятаме, че с времето тези изследвания ще ни позволят да използваме гласовия режим и за все по-сложни, продължителни задачи, включително такива, изпълнявани от ИИ агенти“, подчерта OpenAI.
OpenAI непрекъснато работи, за да доближи разговорите с изкуствен интелект до естественото човешко общуване, а въвеждането на GPT-Live е значителна стъпка в тази посока. Подобрено е и шумопотискането на системата: тя вече може да изолира разговорите на хора във фонов режим и да се съсредоточи само върху гласа на своя потребител. Подобрена е и визуалната страна на общуването, като системата може да показва разнообразни информационни карти.
По данни на компанията гласовият режим и функцията за диктовка вече се използват от 150 милиона души седмично. OpenAI се надява, че GPT-Live ще даде нов тласък на използването им. Компанията добави също, че и тук във фонов режим ще работят необходимите защитни механизми, за да бъде използването на гласовия режим безопасно във всяко отношение. Системата няма да злоупотребява с чувствителни данни, няма да съдейства за извършване на злоупотреби и ще бъде особено внимателна в отговорите си към непълнолетни.
Моделът GPT-Live вече е достъпен в международен мащаб за iOS, Android и през уеб. Може да бъде изпробван и безплатно, като в този случай на въпросите на потребителя по подразбиране отговаря GPT-Live-1 mini. GPT-Live-1 ще бъде предоставен на всички абонати – от плана ChatGPT Go през Plus до Pro. Предвижда се и достъп чрез API, но той все още не е осигурен и разработчиците ще трябва да изчакат.

































