Без ніякових пауз. OpenAI навчила голосовий ChatGPT вести природніший діалог

Про це повідомляє Engadget.

Попередню версію, Advanced Voice Mode, компанія запустила влітку 2024 року. Та система працювала за покроковою моделлю, відповідаючи лише після того, як користувач замовкав. Через це діалог виходив уривчастим, а коротку паузу модель часто сприймала за кінець запиту й перебивала співрозмовника.

GPT-Live збудована на дуплексній архітектурі й обробляє вхідні дані та формує відповідь одночасно. Якщо запит потребує міркування, пошуку в мережі чи інших агентних можливостей, модель звертається до інших систем OpenAI, зокрема GPT-5.5. Ті працюють у фоні, тож розмову можна не переривати.

«Це дозволяє моделі вести природніший діалог, краще відчувати час і навіть виконувати переклад у реальному часі», — пояснює OpenAI.

Моделі можна перебити будь-якої миті або попросити говорити повільніше. Поки користувач говорить, система підтверджує, що слухає, короткими «мгм» і «зрозуміло». За словами OpenAI, нові моделі краще зосереджуються за наявності сторонніх шумів.

Голосовий режим тепер показує візуальні картки для погоди, спорту, акцій та інших тем, підтримує завантаження зображень і файлів, а також пошук у мережі.

Компанія також додала у ChatGPT Voice нові запобіжники. Батьки й опікуни можуть вимкнути голосовий режим для підлітків через батьківські елементи керування. Якщо доступ надано, а система виявить спробу звести розмову до теми самоушкодження, вона повідомить про це батьків.

«Коли система виявляє потенційно небезпечну відповідь, вона може скерувати модель до безпечнішого варіанту, показати додаткові попередження щодо безпеки або завершити голосову розмову у випадках підвищеного ризику», — зазначає компанія.

GPT-Live розгортають для ChatGPT на Android, iOS та у вебверсії сьогодні. Для передплатників Go, Plus і Pro основною стане GPT-Live 1, а безкоштовні акаунти за замовчуванням отримають меншу Live-1 mini.