OpenAI представила новое семейство голосовых моделей GPT-Live, которое делает общение с ChatGPT более похожим на разговор с человеком. Главная особенность новинки — полнодуплексная архитектура, благодаря которой искусственный интеллект способен одновременно «слушать» пользователя и отвечать ему, не дожидаясь окончания реплики.
В компании отмечают, что такой подход позволяет сделать диалог более естественным. Во время беседы ChatGPT может использовать небольшие междометия, показывая, что внимательно слушает собеседника, быстро обмениваться короткими репликами или, наоборот, выдерживать паузы, если пользователю требуется время на размышление. Это должно избавить голосовой режим от ощущения, что собеседники разговаривают строго по очереди.
Еще одна особенность GPT-Live заключается в том, что модель умеет работать совместно с другими ИИ OpenAI. Если пользователь задает вопрос, требующий поиска информации в интернете или более сложных рассуждений, GPT-Live передает такую задачу другой модели, которая выполняет ее в фоновом режиме. При этом голосовой диалог не прерывается — ChatGPT продолжает поддерживать разговор. На первом этапе для таких задач будет использоваться GPT-5.5.
OpenAI уже начала постепенно внедрять новые модели в ChatGPT. GPT-Live-1 станет основной моделью голосового режима для подписчиков тарифов Go, Plus и Pro в веб-версии сервиса, а также в приложениях для iOS и Android. Пользователям без подписки будет доступна облегченная версия GPT-Live-1 mini.
В дальнейшем OpenAI планирует предоставить доступ к GPT-Live через API, чтобы разработчики могли интегрировать новые голосовые возможности в собственные приложения и сервисы.
Компания также сообщила, что оптимизировала GPT-Live для ряда наиболее популярных языков, поддерживаемых ChatGPT. При этом OpenAI предупреждает, что на некоторых языках модель пока может говорить менее бегло или с заметным акцентом.
Источник: hi-tech.mail.ru