OpenAI оновила голосовий режим ChatGPT, зробивши діалоги більш схожими на звичайну розмову. Нова модель GPT-Live може одночасно слухати користувача і формувати відповідь, що має прибрати затримки під час спілкування.
Про це пише Engadget.
Раніше перший голосовий режим ChatGPT працював через кілька окремих систем: спочатку мовлення користувача перетворювалося на текст, потім мовна модель створювала відповідь, а окрема система озвучувала її.
Згодом OpenAI перейшла до мультимодальної моделі Advanced Voice Mode. Тепер стандартним голосовим рішенням став GPT-Live із повнодуплексною архітектурою.
Це означає, що ChatGPT може слухати співрозмовника навіть під час формування власної відповіді. Система краще розпізнає паузи та продовження думки, тому менше випадків, коли вона починає говорити ще до завершення фрази користувача.
Новий режим також отримав короткі голосові реакції, які роблять діалог більш природним. Якщо запит потребує складнішого аналізу, GPT-Live може передати завдання іншим моделям.
GPT-Live доступний у застосунках ChatGPT для Android та iOS, а також у вебверсії.
Користувачі тарифів Pro, Plus і Go отримали доступ до GPT-Live-1, а безплатна версія використовує GPT-Live-1 mini.
Для запуску голосового режиму потрібно натиснути значок Voice біля поля введення. Після першого запуску застосунок може попросити дозвіл на використання мікрофона.
У GPT-Live-1 можна вибрати один із трьох рівнів роботи: Instant, Medium і High. Перший орієнтований на швидкі відповіді, а два інші використовують більше обчислювальних ресурсів для складніших запитів.
Водночас новий голосовий режим поки не підтримує демонстрацію екрана та відео. За потреби користувачі можуть повернутися до попередньої голосової моделі через налаштування ChatGPT.
GPT-Live також дозволяє перекладати розмови в реальному часі та отримувати текстову розшифровку діалогу. Якщо відповідь потребує візуального пояснення, ChatGPT може показувати інтерактивні елементи паралельно з голосовою відповіддю.
