OpenAI wprowadza GPT-Live – najbardziej naturalny model głosowy w historii

OpenAI zaprezentowało nową generację modeli głosowych o nazwie GPT-Live, które wprowadzają zupełnie nową jakość do interakcji z użytkownikiem. System ten porzuca dotychczasowy podział na tury rozmowy na rzecz płynnej wymiany zdań, co sprawia, że kontakt z maszyną przypomina konwersację z drugim człowiekiem.

Koniec ze sztucznymi pauzami w rozmowie

Główną innowacją wprowadzoną w GPT-Live jest architektura full-duplex, która pozwala modelowi na jednoczesne słuchanie i mówienie. W przeciwieństwie do starszych wersji ChatGPT Voice, które musiały czekać na ciszę, aby przetworzyć komunikat, nowy system nieprzerwanie analizuje dźwięk docierający do mikrofonu. Dzięki temu użytkownik może w każdej chwili przerwać wypowiedź sztucznej inteligencji, dopytać o szczegóły lub poprosić o zwolnienie tempa mówienia. Aby nadać konwersacji większej naturalności, model potrafi teraz wydawać krótkie potwierdzenia, takie jak rozumiem czy mhmm, sygnalizując, że aktywnie śledzi wątek.

Wyższy poziom inteligencji i wsparcie wizualne

Pod warstwą głosową GPT-Live kryje się duża moc obliczeniowa, ponieważ system ten deleguje trudniejsze zadania do najnowszego modelu GPT-5.5. Pozwala to na jednoczesne prowadzenie płynnej rozmowy i wykonywanie skomplikowanych operacji w tle, takich jak przeszukiwanie internetu czy zaawansowane rozumowanie naukowe. Testy wykazały, że nowe rozwiązanie znacznie przewyższa poprzedni zaawansowany tryb głosowy w dziedzinach biologii, chemii oraz fizyki. Dodatkowo interakcja została wzbogacona o szybkie odpowiedzi wizualne, dzięki którym na ekranie urządzenia mogą pojawiać się karty z prognozą pogody, wynikami sportowymi czy mapami.

Bezpieczeństwo i globalne wdrożenie nowej funkcji

Producent zadbał o to, by nowa technologia była bezpieczna i dostępna dla szerokiego grona odbiorców. GPT-Live posiada wbudowane zabezpieczenia uniemożliwiające naśladowanie głosów konkretnych osób oraz mechanizmy chroniące przed generowaniem treści szkodliwych. Nowość jest już udostępniana użytkownikom na całym świecie w aplikacjach na systemy iOS i Android oraz przez przeglądarkę. Użytkownicy płatnych planów Plus i Pro otrzymują dostęp do wersji GPT-Live-1, natomiast osoby korzystające z darmowej wersji platformy mogą sprawdzić możliwości wariantu GPT-Live-1 mini. Obecnie system nie obsługuje jeszcze funkcji wideo, jednak jej wprowadzenie jest planowane w najbliższej przyszłości.