OpenAI паказала GPT-Live — паўнавартасны галасавы ШІ, які ўмее слухаць і гаварыць адначасова
OpenAI прэзентавала новыя размоўныя мадэлі — флагманскую GPT-Live-1 і аблегчаную GPT-Live-1 mini. Галоўная фішка навінак — падтрымка рэжыму Full-Duplex: у адрозненне ад старой схемы, дзе голас спачатку пераводзіўся ў тэкст, затым апрацоўваўся і агучваўся назад, новыя мадэлі ўмеюць слухаць і гаварыць адначасова. Гэта дазваляе карыстальніку перабіваць ШІ проста падчас яго мовы гэтак жа натуральна, як жывога чалавека, і адкрывае шлях для бесперапыннага сінхроннага перакладу.
OpenAI прэзентавала новыя размоўныя мадэлі — флагманскую GPT-Live-1 і аблегчаную GPT-Live-1 mini. Галоўная фішка навінак — падтрымка рэжыму Full-Duplex: у адрозненне ад старой схемы, дзе голас спачатку пераводзіўся ў тэкст, затым апрацоўваўся і агучваўся назад, новыя мадэлі ўмеюць слухаць і гаварыць адначасова. Гэта дазваляе карыстальніку перабіваць ШІ проста падчас яго мовы гэтак жа натуральна, як жывога чалавека, і адкрывае шлях для бесперапыннага сінхроннага перакладу.
Цяперашні прасунуты галасавы рэжым у ChatGPT па замоўчванні замяняць на міні-версію, а платным падпісчыкам адкрыюць доступ да вялікай мадэлі. Каб вырашаць складаныя задачы, галасавы рухавік навучылі нябачна перанакіроўваць цяжкія запыты на магутныя тэкставыя мадэлі накшталт GPT-5.5. Акрамя таго, абноўлены асістэнт цяпер умее доўга маўчаць, упітваючы кантэкст размовы, пакуль да яго не звернуцца, і выводзіць інфармацыю на экран у візуальным фармаце.
Распрацоўшчыкі арыентуюць навінку на доўгія hands-free сесіі: кіраўнік прадукту Эты Элеты прызнаўся, што сам рэгулярна размаўляе з ботам па 30-40 хвілін падчас прагулак. У OpenAI вераць, што голас стане галоўным інтэрфейсам для кіравання камп’ютарамі і складанай працай ШІ-агентаў, што ўскосна пацвярджае чуткі пра распрацоўку кампаніяй уласных разумных навушнікаў. На гэтым полі ўжо актыўна пхаюцца канкурэнты ў асобе Apple, Amazon і стартапаў накшталт Sesame. Пры гэтым у OpenAI падкрэсліваюць, што ствараюць менавіта рабочага памочніка, а не ШІ-кампаньёна для рамантычных любасцяў, таму ў сістэму ўбудавалі жорсткія пратаколы бяспекі і цэнзуры для падлеткаў.
Аднак да ідэалу тэхналогіям яшчэ далёка. На жывой дэманстрацыі функцыі перакладу на хіндзі асістэнт выдаў ненатуральныя, кніжныя фразы і гаварыў з цяжэйшым амерыканскім акцэнтам, адзначае TechCrunch. Распрацоўшчыкі прызнаюць праблему і абяцаюць аптымізаваць сістэму пад большасць папулярных моваў свету.
Рэлацыраваліся? Цяпер вы можаце каментаваць без верыфікацыі акаўнта.