OpenAI только что запустил GPT-Live: голосовой режим ChatGPT научился лучше слушать, молчать и отвечать
Грег Брокман начал прямую трансляцию OpenAI с очень простой вещи: поговорите с ChatGPT и отключите его, когда он ответит. Важны были не вопросы, а реакция системы. Вместо того, чтобы останавливаться с перебоями, как это могло происходить в предыдущих опытах, в демоверсии голос, казалось, настраивал прерывание более естественным образом. Это была краткая демонстрация, но она продемонстрировала обещание GPT-Live: голосовой режим ChatGPT не только говорит лучше, но и знает, когда отвечать, когда ждать, а когда молчать.
GPT-Live — это название, выбранное OpenAI для этого нового этапа голосового режима ChatGPT. Это не просто более отточенный звуковой слой, это семейство моделей, предназначенных для обработки разговора другими способами. Архитектура, называемая полнодуплексной, позволяет ИИ слушать, генерируя ответ, что, по заявлению компании, снижает жесткость традиционных поворотов.
С 2022 года OpenAI смещает отношения со своими моделями с клавиатуры на все более близкие формы взаимодействия. ChatGPT ознаменовал собой «до» и «после» в массовом взаимодействии с текстовыми моделями; ранние голосовые функции добавили более естественный уровень; и GPT-4o воплотил эти амбиции в гораздо более выразительный опыт, неизбежно связанный с «Ней». Анонс GPT-Live появится после этого тура. Его обещание состоит не только в том, чтобы звучать более человечно, но и в том, чтобы разрешить менее драматичное и более важное препятствие: как поддерживать разговор, не делая его похожим на последовательность команд.
Голосовой чат ChatGPT больше не работает только по очереди
Чтобы понять это изменение, нужно посмотреть, как работали предыдущие поколения. OpenAI объясняет, что первый голосовой режим ChatGPT представлял собой каскадную систему: одна модель транскрибировала голос, другая генерировала ответ, а третья преобразовывала его обратно в аудио. Расширенный голосовой режим уменьшил это трение, обрабатывая и генерируя звук в рамках одной модели, но продолжал работать посменно. GPT-Live меняет эту логику: он больше не работает только с отдельными сообщениями, но и с непрерывным взаимодействием, которое позволяет вам несколько раз в секунду решать, следует ли вам говорить, слушать, приостанавливать или использовать инструмент.
Итак, что мы сможем сделать на практике? Что ж, компания, возглавляемая Сэмом Альтманом, приводит несколько примеров. Мы можем прервать вас вопросом, сделать паузу, чтобы подумать, или попросить систему говорить медленнее. Голос также может отвечать короткими репликами, такими как “ммм” или “да”, чтобы указать, что вы продолжаете слушать, и компания уверяет, что улучшила свою способность фокусироваться на голосе пользователя при наличии фонового шума. К этому добавляются девять голосов ChatGPT, обновленных для GPT-Live, визуальные ответы в виде карточек на такие запросы, как погода, спорт, кошелек и другие быстрые данные, а также поддержка поиска, памяти, изображений и загрузки файлов.
Другая важная часть заключается в том, что происходит, когда разговор требует чего-то большего, чем быстрый ответ. OpenAI объясняет, что GPT-Live может делегировать веб-поиск, рассуждения или более сложные задачи своим пограничным моделям, поддерживая при этом диалог с пользователем. При запуске этим уровнем поддержки будет GPT-5.5, хотя компания заявляет, что будет обновлять модель, используемую в фоновом режиме, по мере выпуска новых поколений. Голосовой режим ChatGPT также позволит выбирать между уровнями рассуждений: Instant для быстрых ответов и Medium или High, когда нужно потратить больше времени на размышления.
Компания утверждает, что скачок не ограничивается впечатлением от использования. В своих внутренних обзорах GPT-Live-1 и GPT-Live-1 mini (уменьшенная версия модели, которая попадает в бесплатные аккаунты) отображаются выше. расширенный голосовой режим в сравнительных разговорах продолжительностью от пяти до десяти минут, как по общим предпочтениям, так и по плавности, прерываниям, сменам и другим параметрам. ощущение естественности. OpenAI также ссылается на достижения в области научных рассуждений, поиска агентов и моделирования задач поддержки по телефону. Имейте в виду, эти результаты служат отправной точкой, но они исходят от самого OpenAI, и нам нужно посмотреть, какое влияние они окажут на реальную жизнь.
GPT-Live начинает развертываться с сегодняшнего дня для пользователей ChatGPT на iOS, Android и ChatGPT.com. OpenAI говорит о глобальном развертывании и не упоминает конкретное исключение для Европейского Союза, хотя желательно сохранить нюанс: при развертывании других функций искусственного интеллекта в регионе были сомнения или задержки. GPT-Live-1 будет моделью по умолчанию для пользователей Go, Plus и Pro, в то время как бесплатные учетные записи, как мы говорим, будут использовать GPT-Live-1 mini. API появится позже, конкретной даты пока нет.
Однако при запуске также есть одно важное ограничение: GPT-Live на данный момент не поддерживает передачу голоса с видео или совместное использование экрана в ChatGPT, хотя OpenAI заявляет, что работает над внедрением этих возможностей позже.
Редактор: AndreyEx
