OpenAI запускає GPT-Live: нове покоління голосових моделей для живого діалогу з ШІ
OpenAI анонсувала вихід GPT-Live — революційного набору голосових моделей для ChatGPT, що покликаний зробити спілкування з штучним інтелектом більш природним і живим. Ця технологія не лише вдосконалює голосове спілкування, а й додає нові можливості, зокрема живий переклад, покращене управління черговістю реплік та делегування складних завдань фоновій моделі.
Початок глобального впровадження GPT-Live
Ці інновації вже доступні користувачам ChatGPT на iOS, Android та веб-платформах. Для підписників Go, Plus і Pro GPT-Live-1 стане за замовчуванням основною голосовою моделлю, у той час як безкоштовні користувачі отримають GPT-Live-1 mini. Актуальність голосу у спілкуванні з ШІ зростає, адже він полегшує вивчення мов, допомагає людям з обмеженими можливостями та підтримує навчання без рук.
OpenAI підкреслює, що щотижня понад 150 мільйонів користувачів застосовують голосові функції ChatGPT для диктування та взаємодії.
Унікальна повнодуплексна архітектура моделі
GPT-Live працює на основі повнодуплексної архітектури — це означає, що модель може одночасно слухати та говорити, не чекаючи, поки співрозмовник закінчить вираження думок. Таке рішення створює відчуття живої бесіди, наближеної до реального спілкування між людьми.
Ось як це працює:
- Обробка вхідних голосових сигналів під час формування відповіді;
- Модель визначає, коли говорити, слухати далі, робити паузу або перервати для уточнення;
- Підтримка інтерактивності із можливістю живого перекладу;
- Користувачі можуть перервати, обміркувати відповідь або попросити ШІ мовчати й уважно слухати.
OpenAI також оновила дев’ять голосів у ChatGPT, щоб зробити їх більш природними та приємними для слуху.
Розподіл складних завдань між моделями
GPT-Live здатний обробляти базову голосову взаємодію, одночасно делегуючи складніші завдання іншим моделям. На момент запуску за фонову обробку відповідає GPT-5.5 — потужний “фронтірний” алгоритм, який виконує пошук в інтернеті, проводить глибший аналіз та виконує інтелектуальні розрахунки.
Ключові можливості такого підходу:
- Питання, що вимагають детальних досліджень, передаються складнішій моделі;
- Результати повертаються безпосередньо в розмову після завершення опрацювання;
- Користувач може обирати три рівні складності відповідей: миттєвий, середній або глибокий аналіз;
Крім того, голосові функції підтримують пошук, збереження контексту (пам’ять), роботу з зображеннями та файлами. При обговоренні тем, наприклад погоди, фінансових ринків чи спорту, ШІ демонструє візуальні картки, що полегшують сприйняття інформації.
Наразі ChatGPT не підтримує голосове введення під час відеодзвінків або спільного перегляду екрана, але ці функції плануються в майбутньому. При цьому попередні версії голосового режиму залишаються доступними там, де вони підтримуються.
Переваги GPT-Live над попередніми версіями
OpenAI провела порівняльне тестування GPT-Live з попереднім Advanced Voice Mode за участю живих користувачів у бесідах тривалістю від 5 до 10 хвилин. Результати показали:
- Перевага GPT-Live-1 з показником 75,7 % у загальній уподобаності;
- Показник 69,2 % на користь GPT-Live-1 mini;
- Краща організація діалогу: черговість відповідей, мінімум перерв і природність спілкування;
Крім того, GPT-Live перевершує своїх попередників у завданнях наукового обґрунтування, пошуку інформації в режимі реального часу та технічної підтримки голосом.
Безпека є пріоритетом: модель пройшла спеціальне навчання для запобігання небажаному контенту, зокрема щодо самопошкоджень, психічних розладів, насильства і сексуального змісту. Також вбудовані механізми захисту від імітації голосу реальних осіб.
Батьки можуть контролювати доступ підлітків до голосових функцій ChatGPT через налаштування батьківського контролю.
У GPT-Live вже реалізована оптимізація для основних мов спілкування, однак деякі мови можуть відтворюватися з акцентом або мати неточності у вимові.
