Новий рівень спілкування: GPT-Live від OpenAI змінює голосові асистенти назавжди
Голосові помічники довгий час прагнули втілити фантазії з наукової фантастики, але поки що їм складно тримати природну бесіду з людьми. Більшість систем вимагають чіткого чергування в розмові, пауз і кілька секунд на відповідь. Та OpenAI представила GPT-Live — нову мовну модель для ChatGPT Voice, що робить спілкування швидшим, живішим і менш шаблонним.
Повний дуплекс: що це і чому це важливо?
Основна інновація GPT-Live — так звана архітектура повного дуплексу. Простими словами, це означає, що модель одночасно слухає і говорить. Вона безперервно обробляє слова користувача, вигадуючи відповідь у той же час. Завдяки цьому GPT-Live може сама вирішувати, коли говорити, коли слухати, під час пауз застосовувати інструменти чи робити паузу.
Чим GPT-Live відрізняється від попередників?
OpenAI стверджує, що ця модель легше справляється з реаліями живого спілкування. Наприклад, користувач може:
- перебивати помічника новим питанням;
- замовчувати на час роздумів;
- просити говорити повільніше;
- просити просто мовчати і слухати.
Більше того, GPT-Live відповідає короткими фразами типу «ммм» або «зрозуміло», щоб розмова не здавалася сухою та неприродною.
Покращена робота в шумних умовах
Модель також навчена краще адаптуватися до гучного оточення. Ідея полягає в тому, щоб фокусуватися насамперед на голосі користувача, навіть якщо поруч шумить транспорт чи розмовляють інші люди.
Розумна делегація складних завдань
Якщо запит вимагає пошуку в інтернеті, глибокого аналізу або складнішої роботи, GPT-Live передає ці завдання потужнішій моделі GPT-5.5. В цей час розмова голосом не переривається і триває без зупинок.
Кому доступний GPT-Live перш за все?
Сервіс починають впроваджувати глобально на платформах iOS, Android та в браузері. Повноцінна версія GPT-Live-1 буде доступна для користувачів Go, Plus та Pro, а власникам безкоштовного тарифу запропонують полегшену версію GPT-Live-1 mini.
Нові можливості голосових чатів
Окрім голосових відповідей, в чатах з’являються візуальні картки. Якщо ви, наприклад, цікавитесь погодою, акціями чи спортивними новинами, ChatGPT покаже відповідні дані на екрані, не перериваючи голосовий діалог. Функції пошуку, пам’яті, роботи з зображеннями та завантаження файлів також залишаються інтегрованими з голосовим інтерфейсом.
Що поки що не підтримується?
Важливо зазначити: наразі GPT-Live не працює з відео та демонстрацією екрана. Тобто ви не можете показати щось через камеру або поділитися екраном під час голосового спілкування. В OpenAI обіцяють додати ці можливості в майбутньому.
