OpenAI oficjalnie zaprezentowało GPT-Live, czyli zupełnie nową generację modeli głosowych w ChatGPT Voice, która redefiniuje interakcję z maszyną. Zapomnijcie o sztywnych konwersacjach, w których sztuczna inteligencja czeka na Wasz ostateczny znak i przerywa w pół zdania. Nowy system potrafi mówić i słuchać jednocześnie, upodabniając pogawędkę z botem do naturalnej rozmowy z drugim człowiekiem. Globalne wdrażanie rewolucyjnej funkcji właśnie się rozpoczęło.
Rozmowa bez barier i inteligentne słuchanie w trybie full-duplex
Dotychczasowe systemy głosowe w ChatGPT zmagały się ze sporymi ograniczeniami, opierając się na wykrywaniu ciszy. Dlatego nawet niewielki hałas w tle potrafił nienaturalnie przerwać wypowiedź użytkownika. GPT-Live całkowicie usuwa te bariery dzięki przełomowej architekturze full-duplex. To oznacza, że model nieprzerwanie analizuje dźwięk i generuje odpowiedzi w tym samym czasie.
Teraz możecie bez problemu wchodzić asystentowi w słowo, zadawać pytania w trakcie jego wypowiedzi lub zawiesić głos, aby się zastanowić. Maszyna cierpliwie poczeka. Aby konwersacja była jeszcze bardziej ludzka, AI stosuje naturalne wstawki w stylu „mhmm” czy „rozumiem”, dając sygnał, że uważnie nas słucha. Ponadto ulepszone algorytmy skutecznie odfiltrowują szum przejeżdżających aut. OpenAI wprowadziło także szybkie odpowiedzi wizualne. Dzięki czemu podczas rozmowy na ekranie smartfona automatycznie wyświetlą się przejrzyste karty z prognozą pogody, wynikami sportowymi czy notowaniami giełdowymi.
Architektura delegowania zadań do GPT-5.5 i globalna dostępność
Kluczem do niezwykłej wydajności nowego trybu jest całkowite oddzielenie płynnej interakcji głosowej od procesów wymagających głębokiego myślenia. Gdy użytkownik zada skomplikowane pytanie, GPT-Live natychmiast deleguje zadania np. przeszukiwanie internetu czy zaawansowane naukowe rozumowanie do najnowszego, pionierskiego modelu GPT-5.5 działającego w tle. Dzięki temu asystent może nieprzerwanie podtrzymywać z nami luźną rozmowę, podczas gdy potężny mózg operacyjny w ukryciu przetwarza skomplikowane dane, drastycznie przewyższając dotychczasowe standardy.
Nowość trafiła na systemy iOS, Android oraz wersję przeglądarkową. Wersja GPT-Live-1 jest dostępna dla subskrybentów, a edycja mini dla darmowych kont. OpenAI wdrożyło poza tym rygorystyczne zabezpieczenia m.in. zaawansowaną kontrolę rodzicielską dla nastolatków oraz blokady uniemożliwiające modelowi klonowanie i naśladowanie głosów prawdziwych ludzi.
Źródło tekstu: OpenAI / Zdjęcie otwierające: Unsplash (@zacwolff)