Компания также по умолчанию заменяет свой текущий Расширенный голосовой режим в ChatGPT на GPT-Live-1 mini. Пользователи платных тарифов смогут получить доступ к более крупной модели GPT-Live-1. Предыдущая модель объединяла модель преобразования речи в текст для транскрипции речи, большую языковую модель для генерации ответов и модель преобразования текста в речь для выдачи окончательного ответа.
На брифинге для прессы компания заявила, что новые модели решают такие проблемы, как прерывание пользователей во время разговора и недостаточный интеллект для ответа на вопросы. Новые модели OpenAI будут отправлять запрос своим новейшим текстовым моделям, таким как GPT-5.5, для поиска, рассуждений или агентных возможностей во время продолжения диалога.
OpenAI также продемонстрировала, что модель может долго молчать и впитывать контекст разговора, пока к ней не обратятся. Кроме того, поскольку новый голосовой режим имеет доступ к более новым моделям GPT, он также может представлять некоторую информацию в визуальном формате. Другие стартапы, такие как Monogram, привлекшие 40 миллионов долларов начального финансирования от DST и Lux Capital, также склоняются к визуальным ответам, чтобы сделать ассистентов более интерактивными.
Компания заявила, что новый голосовой режим в ChatGPT разработан для более продолжительных бесед. Во время брифинга руководитель продукта ChatGPT Voice Атти Элети сказал, что он вел 30-40-минутные разговоры с голосовой функцией во время прогулок.
В OpenAI считают, что голос может стать основным интерфейсом для вычислений при выполнении сложных задач. По сообщениям, компания может выпустить пару наушников с функциями ИИ в этом году. Однако никакой информации об аппаратных продуктах предоставлено не было.
«Со временем мы думаем, что это также откроет возможность использовать голос в качестве основного интерфейса для вычислений и управления все более сложной долгосрочной агентной работой. Те удивительные варианты использования, которые, как мы видим, люди достигают с помощью Codex и ChatGPT, мы считаем, что голос может стать будущим интерфейсом для всех видов работы», — сказал Элети.
OpenAI работала над усилением голосовыхфункций на протяжении последних нескольких лет, чтобы голос ChatGPT звучал более естественно. Компания заявила, что более 150 миллионов человек общаются с ChatGPT, используя такие функции, как Голос и Диктовка.
Конкуренты также пытаются сделать ассистентов более выразительными.
И Apple, и Amazon обновили своих ассистентов, чтобы сделать их более разговорными с лучшей обработкой контекста. Стартапы, такие как Sesame, основанный соучредителем Oculus Бренданом Ирибе и Анкитом Кумаром, также запустили ИИ-ассистентов с более естественным общением при выполнении задач в фоновом режиме.
OpenAI движется в том же направлении, стремясь позволить пользователям общаться со своим ассистентом без помощи рук в течение более длительного времени. Несмотря на заявление о том, что новый голосовой режим звучит более естественно, компания подчеркнула, что не стремится сделать его ИИ-компаньоном. Она отметила, что в новые модели встроены механизмы защиты, чтобы давать уместные возрасту ответы подросткам и предоставлять ресурсы, если разговор переходит к таким темам, как самоповреждение.
Новый голосовой режим все еще требует доработки. Во время демонстрации, когда компания показывала функцию живого перевода на хинди, ассистент имел сильный американский акцент, а его речь на хинди звучала неестественно и несколько книжно. Компания заявила, что новый режим оптимизирован для «большинства разговорных языков», но не уточнила, для каких именно.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ivan Mehta
