Смерть формату рації: як працює GPT-Live?
Нова архітектура підтримує режим повного дуплексу. Це означає, що штучний інтелект більше не чекає на повну тишу, щоб почати обробку запиту. Він сприймає інформацію в реальному часі, що дозволяє користувачеві переривати систему в будь-який момент. ШІ миттєво адаптується до зміни теми або уточнень, не втрачаючи нитки розмови. Про це повідомляє видання Neowin.
Попри те, що попередній "Просунутий голосовий режим" (Advanced Voice Mode), представлений у 2024 році, уже пропонував швидкі відповіді, технологія GPT-Live виводить цю взаємодію на якісно інший рівень стабільності та природності.
Інтелект нового рівня: від GPT-Realtime до GPT-5.5
Технологічне підґрунтя оновлення базується на напрацюваннях моделі GPT-Realtime-2, яку OpenAI анонсувала раніше. На відміну від перших систем, які фокусувалися переважно на швидкості перетворення мовлення в мовлення, нова ітерація приносить у голосові додатки логіку та здатність до міркування рівня GPT-5. Це дозволяє ChatGPT виконувати складні багатоетапні завдання та надійно підтримувати тривалі розмови, зберігаючи природний темп мовлення.
Для забезпечення глибини відповідей GPT-Live використовує потужності найсучасніших моделей компанії. На даному етапі за складні міркування та пошук інформації в мережі "за лаштунками" відповідає модель GPT-5.5. Це дозволяє асистенту не просто підтримувати бесіду, а й давати аргументовані відповіді на запитання, що вимагають глибокого аналізу або перевірки фактів у реальному часі.
Окрім цього, розробники натякнули на реліз ще потужнішої GPT-5.6, що має відбутися найближчим часом, пише 9to5Mac.
Однією з найцікавіших особливостей GPT-Live є здатність до невербальної підтримки діалогу. Модель навчили видавати короткі підтвердження, такі як "окей" або "угу", коли користувач робить паузу або сповільнюється, але ще не закінчив думку.
ШІ також навчився тримати паузу та мовчати, якщо відчуває, що людині потрібен час, щоб сформулювати речення. Такі дрібні деталі роблять досвід користування менш схожим на роботу з програмою і більш – на розмову з асистентом-людиною.
Доступність для всіх: від CarPlay до безкоштовних акаунтів
OpenAI впроваджує оновлення відразу у двох варіантах:
- GPT-Live-1 та GPT-Live-1 mini. Користувачі з підписками Plus, Pro, а також корпоративні клієнти плану ChatGPT Go отримають доступ до повнофункціональної моделі першого рівня.
- Для тих, хто користується сервісом безкоштовно, передбачена версія mini, яка також пропонує нові голосові можливості, але з певними обмеженнями в потужності обробки складних запитів.
Окрім технічних покращень моделі, OpenAI суттєво розширила екосистему використання ChatGPT Voice. Одним із ключових нововведень стала повноцінна підтримка Apple CarPlay. Це дозволяє водіям безпечно взаємодіяти з ШІ під час руху, використовуючи природні розмови для навігації, роботи з поштою або просто для отримання довідок, не відволікаючись від дороги.
Нові моделі також стають доступними через API для сторонніх розробників та великих підприємств. Це означає, що найближчим часом ми побачимо появу нового покоління голосових агентів у сервісах підтримки клієнтів, освітніх додатках та навігаційних системах, які зможуть вести повноцінний діалог, розуміти емоційний контекст і перериватися без технічних збоїв.