Компания OpenAI официально презентовала GPT-Live — новое поколение голосовых ИИ-моделей, которое делает общение с ChatGPT значительно ближе к обычному разговору. Главным отличием стала полнодуплексная архитектура. Теперь модель может одновременно «слушать» пользователя и говорить, не дожидаясь окончания каждой реплики. Благодаря этому диалог становится быстрее, естественнее и больше напоминает разговор с человеком, нежели с искусственным интеллектом. Подписывайтесь на Telegram-канал про технологии
Во время общения GPT-Live умеет реагировать на речь короткими фразами вроде «угу» или «понятно», выдерживать паузы, если пользователь задумался, а также не перебивать из-за случайной тишины или фонового шума. Модель научилась более отчётливо понимать человеческую речь. Также разработчики заявили, что повысили эффективность работы в шумных обстановках, например, когда пользователь идёт по улице или находится в торговом центре.
Для сложных запросов GPT-Live использует другую модель в фоновом режиме. Если вопрос требует поиска в интернете, глубокого анализа или выполнения более сложной задачи, запрос автоматически передается GPT-5.5. Пока она обрабатывает информацию, GPT-Live продолжает поддерживать разговор, после чего возвращается с готовым ответом. С выходом новой версии ИИ модели GPT-Live будет переключаться на неё, но пользователи этого не заметят — всё будет происходить внутри без каких-либо обновлений с их стороны.
Пользователям будут доступны две версии GPT-Live. Модель GPT-Live-1 станет основной для подписчиков тарифных планов Go, Plus и Pro, а GPT-Live-1 mini будет использоваться в бесплатном тарифе. Через некоторое время обеими моделями смогут воспользоваться и разработчики.
Новая архитектура позволила сделать голосовой режим не только более естественным, но и заметно умнее. Пользователь может перебивать модель, просить говорить медленнее, делать паузы во время разговора или просто попросить ChatGPT послушать. Голосовой режим имеет собственную память, поддерживает поиск, работу с изображениями и файлами. Также во время разговора ИИ может демонстрировать визуальную информацию о погоде, результатах спортивных матчей и так далее.
Как утверждают в OpenAI, новая ИИ-модель GPT-Live превосходит предыдущий расширенный голосовой режим по качеству общения и результатам внутренних тестов. Новая модель лучше справляется с научными задачами, поиском информации в интернете и сценариями работы голосовых помощников. Во время тестирования большая часть пользователей отдали предпочтение именно GPT-Live.
Особое внимание разработчики уделили безопасности. Для голосовой модели подготовили отдельные проверки, учитывающие риски, связанные с общением в реальном времени. GPT-Live умеет корректировать потенциально небезопасные ответы, а в ситуациях повышенного риска может и вовсе завершить разговор. Кроме того, разработчики сделали так, чтобы искусственный интеллект не мог имитировать реальный голос человека — для ответов используются заранее подготовленные голоса.
GPT-Live уже начинает появляться у пользователей ChatGPT по всему миру на iOS, Android и в веб-версии сервиса.
Источник: trashbox.ru