OpenAI го претстави GPT-Live: Нов гласовен модел што овозможува поприродни разговори со вештачката интелигенција

OpenAI претстави нов гласовен модел наречен GPT-Live, кој носи значителни подобрувања во начинот на кој корисниците комуницираат со ChatGPT преку говор. Новата технологија е развиена со цел разговорите со вештачката интелигенција да звучат поприродно, побрзо и поблиску до комуникацијата меѓу луѓето.

GPT-Live веќе е достапен на глобално ниво преку мобилните апликации и веб-верзијата на ChatGPT. Корисниците на платените претплати добиваат пристап до напредниот модел GPT-Live-1, додека бесплатната верзија ја користи полесната варијанта GPT-Live-1 mini.

Најголемата новина е воведувањето на таканаречениот „full-duplex“ систем, кој му овозможува на моделот истовремено да слуша и да зборува. За разлика од претходниот начин на работа, каде корисникот мораше целосно да го заврши прашањето пред системот да одговори, GPT-Live овозможува разговорот да тече многу поприродно. Корисниците можат да го прекинат одговорот, да постават дополнително прашање или да направат пауза, а системот динамично се приспособува на текот на разговорот.

Овој пристап овозможува поконверзациско искуство, бидејќи моделот може да реагира со кратки потврди и да го следи ритамот на комуникацијата, наместо да чека целосно завршување на секоја реченица. На тој начин се намалуваат неприродните паузи и разговорот станува потечен.

При обработка на посложени прашања, GPT-Live не работи изолирано. Доколку е потребно подлабоко размислување или дополнително пребарување информации, системот автоматски ја пренасочува задачата кон помоќните јазични модели што работат во позадина. Додека тие го подготвуваат одговорот, GPT-Live ја одржува комуникацијата активна, со што се избегнуваат долги периоди на тишина. Откако ќе биде подготвен конечниот одговор, тој непречено се вклучува во разговорот.

Од OpenAI најавуваат дека GPT-Live ќе биде надградуван и во иднина. Со секое претставување на понови јазични модели, гласовниот систем автоматски ќе може да ги користи нивните способности, без потреба корисниците да прават дополнителни поставки.

Компанијата истовремено работеше и на подобрување на препознавањето на говорот. Благодарение на новите алгоритми, системот попрецизно го препознава гласот на корисникот и во средини со зголемена позадинска бучава, како што се прометни улици, јавен превоз или други простори со многу амбиентален звук.

Со воведувањето на GPT-Live, OpenAI прави уште еден чекор кон поинтуитивна и поприродна комуникација со вештачката интелигенција. Целта е разговорите преку глас да станат што поблиски до секојдневната човечка интеракција, со побрзи реакции, подобро разбирање на контекстот и поквалитетно корисничко искуство.