Egyszerre figyel és beszél a ChatGPT új hangmodellje
Természetesebb és folyékonyabb társalgást ígér a GPT-Live, ami az ingyenes ChatGPT-felhasználók számára is elérhetővé válik, bár egyelőre még korántsem hat minden esetben természetesnek.
Hamarosan világszerte elérhetik a felhasználók a ChatGPT-n belül az új GPT-Live-1 és GPT-Live 1 mini modellek képességeit, melyeket az OpenAI a természetes párbeszédek élményét erősítené. Míg a chatbot-szolgáltatás hangvezérelt módja alatt dolgozó korábbi modell egy egyszerűbb metódust követett a beszéd felismeréséhez és a válaszok generálásához több modell kombinálásával, addig a GPT-Live a full-duplex architektúrára épül.
Ez azt jelenti, hogy a modell egyszerre tud „figyelni” és „beszélni”: képes a bemenet feldolgozására kimenet generálása közben, így el tudja dönteni, hogy beszéljen-e, tovább figyeljen, szünetet tartson vagy közbevágjon. Az OpenAI szerint így a megszakítások természetesebben hatnak, kisebb késleltetéssel érkeznek a válaszok és összességében folyamatosabb érzést kelt a beszélgetés ritmusa.
A cég szerint ez az eddigi legintelligensebb hangmodellje is, mely a háttérben a mélyebb feldolgozást igénylő lekérdezéseket lényegében az internetes információkeresésben, érvelésben vagy agentic képességekben erősebb szövegmodelleknek, például a GPT-5.5-nek delegálja a lekérdezéseket, miközben zavartalanul folytatja a beszélgetést. Mivel az új hangalapú mód hozzáfér az újabb GPT-modellekhez, képes vizuális formában is megjeleníteni bizonyos információkat.
Találkozzunk, idén is lesz SYSADMINDAY! Július 17-én lesz a hazai Sysadminday! Standup, üzemeltetői meetup, kvízek, szakmázás, barátok, még több sörcsap.
A ChatGPT jelenleg használt „Advanced Voice Mode” funkciója alatt már alapértelmezés szerint az új modell mini variánsa fog dolgozni az ingyenes verzióban, de a fizetős csomagok felhasználói a több paraméterrel dolgozó GPT-Live-1 modellhez is hozzáférhetnek a későbbiekben. A fokozatos globális bevezetéssel a ChatGPT iOS-es, androidos mobilalkalmazásaiban és a webes felületen is elérhetővé válik az újítás, de a megjelenéskor a fejlesztők és a vállalatok még nem kapnak API-hozzáférést. A Go, Plus és Pro felhasználók esetében a GPT-Live-1, az ingyenes felhasználóknál pedig a GPT-Live-1 mini válik a ChatGPT Voice alapértelmezett modelljévé.
A cég közlése szerint az új üzemmódot a „leggyakrabban beszélt nyelvekre” optimalizálták, és a bemutató videó alapján még valóban finomításra szorulhat, mivel a hindi nyelvű valós idejű fordítás során a digitális asszisztens egyelőre még erős amerikai akcentussal beszélt, miközben a hindi kiejtés természetellenesnek hatott.
Az OpenAI az elmúlt években erősen ráfeküdt a hangalapú funkciók fejlesztésére, hogy természetesebbé tegye a ChatGPT hangalapú üzemmódját, nem véletlenül: a frissen megosztott számok szerint több mint 150 millióan használják aktívan a ChatGPT Voice és diktálási funkcióját. Különösen veszélyesnek tűnhet egyébként, hogy az OpenAI többször került már célkeresztbe a tinédzserek mentális egészségére gyakorolt negatív hatások miatt, épp ezért hangsúlyozhatta a vállalat, hogy az emberszerű társalgást támogató új modellekbe olyan védelmi mechanizmusokat építettek, melyek az életkornak megfelelőbb válaszokat adnak ennek az érzékenyebb csoportnak.