OpenAI официјално го претстави GPT-Live, новата генерација гласовни модели која има цел разговорот со вештачката интелигенција да биде што е можно поприроден и поблизок до комуникацијата меѓу луѓето.
Најголемата новина е таканаречената full-duplex архитектура, која му овозможува на моделот истовремено да слуша и да зборува. Наместо да чека корисникот целосно да заврши со зборувањето, GPT-Live може да реагира во реално време, да прави природни паузи, да покажува дека внимателно слуша и да одлучува кога да одговори, а кога да продолжи да го следи разговорот.
Во OpenAI објаснуваат дека новиот систем континуирано ги обработува информациите додека генерира одговор, што овозможува многу поприроден тек на разговорот. Истата архитектура овозможува и превод во живо.
Дополнителна новина е можноста GPT-Live да делегира посложени задачи на помоќен модел кој работи во позадина. Доколку е потребно подлабоко размислување, пребарување или анализа, системот ја пренесува задачата на GPT-5.5, додека разговорот со корисникот продолжува без прекин. Компанијата најавува дека овој модел ќе се надградува со идните генерации.
Според OpenAI, тестирањата покажале дека корисниците значително повеќе го претпочитаат GPT-Live во однос на претходниот Advanced Voice Mode, особено поради поприродниот тек на разговорот, побрзите реакции и помалку прекини.
GPT-Live веќе почнува да се воведува глобално на iOS, Android и ChatGPT.com. Моделот GPT-Live-1 ќе биде достапен за корисниците на пакетите Go, Plus и Pro, додека бесплатните корисници ќе добијат пристап до GPT-Live-1 mini.
Новиот гласовен режим носи и практични подобрувања. ChatGPT сега подобро препознава кога корисникот размислува, може да остане тивок кога тоа ќе се побара и поуспешно го издвојува гласот на корисникот од бучавата во околината. Истовремено, продолжува да поддржува пребарување, меморија, анализа на слики и прикачување датотеки.
Од OpenAI посочуваат дека GPT-Live е оптимизиран за најкористените јазици во ChatGPT. За помалку застапените јазици, меѓу кои најверојатно спаѓа и македонскиот, можно е да се појави странски акцент или помала природност во говорот, но компанијата наведува дека активно работи на подобрување на овие перформанси.
Компанијата истакнува дека новиот модел вклучува и дополнителни безбедносни механизми. Доколку системот препознае потенцијално небезбедна содржина, може да го пренасочи одговорот, да прикаже предупредување или, во одредени ситуации, да го прекине разговорот. Воведени се и посебни заштити за тинејџерите, како и механизми што спречуваат имитирање на гласот на вистински личности.
