ChatGPT обладает весьма полезной функцией голосового общения для обмена идеями, но если вы пользуетесь ею постоянно, то, вероятно, знаете, насколько прерывистым может быть диалог. До недавнего времени система полагалась на жесткую «поочередную» схему: вы говорите, вы замолкаете, ИИ обрабатывает информацию и отвечает. Что раздражало? Если вы замолкали всего на долю секунды, чтобы собраться с мыслями, приложение тут же считало, что вы закончили, и прерывало вас. OpenAI наконец решает эту проблему, выпуская две новые разговорные модели: GPT-Live-1 и ее облегченную мини-версию.
Последнее обновление призвано сделать голосовое взаимодействие больше похожим на обычный разговор с человеком. Секрет кроется в переходе к тому, что эксперты в области технологий называют полнодуплексной архитектурой. Проще говоря, теперь ChatGPT может активно слушать и говорить одновременно. Во время официального брифинга руководитель продуктового направления OpenAI Атти Элети объяснил, что это позволяет системе обрабатывать непрерывный ввод данных, а это значит, что вы можете прервать ИИ на полуслове или даже попросить его замедлиться, если он говорит слишком быстро.
Разговор, который течет естественно
Секрет этого обновления — переход к тому, что эксперты в области технологий называют полнодуплексной архитектурой. Проще говоря, ChatGPT теперь может активно слушать и говорить одновременно. Во время официального брифинга руководитель продуктового направления OpenAI Атти Элети объяснил, что это позволяет системе обрабатывать непрерывный ввод данных, а это значит, что вы можете прервать ИИ на полуслове или даже попросить его замедлиться, если он говорит слишком быстро.
Вместо того чтобы вставлять неловкие паузы, новая модель будет подтверждать, что она следит за разговором, используя неформальные реплики вроде «м-м-м» или «понятно». Вы даже можете попросить ее просто подождать и сохранять молчание, пока вы не позовете ее обратно, сказав что-то вроде «Эй, Чат».
Делегирование сложной работы
Функция не просто звучит плавнее; она стала и значительно умнее. Ранее голосовой режим уступал в способности к рассуждению основным текстовым интерфейсам платформы. Теперь, когда вы задаете сложный вопрос или нуждаетесь в актуальных данных, GPT-Live-1 работает в фоновом режиме, передавая запрос более продвинутым моделям, таким как GPT-5.5.
Пока он ищет информацию в сети, он будет естественно сглаживать паузы, говоря что-то вроде «позвольте мне это проверить», чтобы сохранить непрерывность диалога. Обновление также добавляет синхронный перевод. Вместо того чтобы ждать, пока вы закончите длинное предложение, программа переводит вашу речь одновременно с тем, как вы говорите. Кроме того, обсуждения тем, таких как погода, акции или спорт, теперь будут сопровождаться полезными визуальными карточками с соответствующими графиками и данными на экране.
Мнение Android Headlines
Шаг OpenAI — это, очевидно, часть текущей тенденции в индустрии ИИ. Крупные игроки работают над тем, чтобы общение с цифровым ассистентом перестало напоминать использование улучшенной рации. Пока что Google Gemini имеет преимущество в этой области. Однако, устранив проблему прерываний и позволив ассистенту получать данные из мощных моделей рассуждения в реальном времени, OpenAI приближается к тому, чтобы сделать голосовой режим ChatGPT потенциально основным источником ввода данных для большинства пользователей.
Демонстрация синхронного перевода показала некоторые шероховатости — например, заметный сильный американский акцент при произнесении фраз на хинди, — что доказывает необходимость дальнейшей работы по локализации. Тем не менее, для повседневного многозадачного режима наличие ассистента, который действительно позволяет вам закончить фразу, является значительным улучшением качества жизни.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jean Leon
