OpenAI презентує революційне оновлення голосового ШІ: голоси стали ще людянішими
OpenAI оновлює свої голосові технології штучного інтелекту, щоб вони відповідали потужності текстового ШІ. Два нових мовні моделі — GPT-Live-1 і його мініверсія — вже доступні всім користувачам ChatGPT.
Нові голосові моделі: розуміння і природність
Ці моделі базуються на найбільш сучасних розробках OpenAI і пропонують три рівні інтелекту, які можна обирати залежно від глибини відповідей, що вам потрібна. Найголовніша ж новація — це голос, який звучить більш природно і живо, з виразністю, що нагадує живе спілкування.
Що відрізняє нові моделі від попередніх?
Головна технічна інновація називається “безперервна взаємодія”. Завдяки цьому ШІ може одночасно слухати і говорити, не чекаючи, поки ви завершите свою промову. Це величезний стрибок порівняно з попередніми версіями, які відповідали тільки після того, як ви закінчите говорити.
Переваги нової архітектури включають:
- Миттєвий переклад у реальному часі з будь-якої мови (англійська, іспанська, хінді тощо) з мінімальною затримкою.
- Можливість одночасно обробляти кілька завдань і питань, передаючи складні задачі більш просунутим моделям.
- Інтуїтивна багатозадачність, подібна до людського мислення і спілкування.
Як це працює на практиці?
За словами Кундана Кумара, керівника досліджень GPT-Live, модель може “перекласти” складні питання в паралельний процес GPT-5.5, продовжуючи при цьому ведення діалогу. Коли відповідь готова, ШІ плавно інтегрує її в розмову без пауз.
Крім того, голосовий ШІ використовує нові дизайнерські технології штучного інтелекту, щоб візуалізувати деякі відповіді. Це особливо корисно для показу прогнозів погоди, спортивних результатів або інших графічних даних, що краще сприймаються візуально, ніж на слух.
Доступність та безпека
Нові голосові технології вже працюють для всіх користувачів ChatGPT — як безкоштовних, так і преміум. Вони підтримуються на мобільних додатках та веб-платформі. Якщо ви ще не бачите оновлення, зачекайте кілька днів — поширення відбувається поетапно.
OpenAI доволі серйозно ставиться до користувацьких даних у голосовому режимі. Записані аудіокліпи зберігаються лише 30 днів для забезпечення контексту розмов і можуть бути видалені за потребою. Важливо, що автоматично відключено використання цих даних для тренування моделей без вашої згоди.
Як голосовий ШІ імітує людську мову?
Одна з новинок — це використання заповнювачів мови, таких як “ем”, “ее” або “так би мовити”, що створює ефект природної розмови. Ви також можете легко перервати ШІ, і він швидко реагуватиме без зайвих затримок.
Ще одна цікава функція — режим пасивного прослуховування, коли ШІ мовчить і слухає, а активується лише за викликом через його ім’я. На відміну від Siri або Alexa, ChatGPT продовжує слухати, доки йому не буде вручну вимкнено цей режим.
Новий рівень безпеки та обережності
Важливо зазначити, що завдяки складним алгоритмам безпеки нові моделі стали менш схильними до проявів небажаного контенту, такого як самошкодження, психоз, насильство або сексуальні теми. Розробники систематично удосконалюють захист, аби мінімізувати потенційні ризики, пов’язані з надто реалістичним сприйняттям ШІ як «людини».
