OpenAI spúšťa revolučnú GPT-Live. Takto ste s ChatGPT ešte nehovorili.

OpenAI predstavilo jednu z najväčších zmien v histórii hlasového ovládania ChatGPT. Nová generácia hlasových modelov GPT-Live má odstrániť neprirodzené pauzy, skákanie do reči a strnulé striedanie otázok a odpovedí. Umelá inteligencia novo dokáže poslúchaťchat a hovoriť zároveň, počkať, keď premýšľate, reagovať krátkym „mhmm“ a súčasne na pozadí riešiť zložité úlohy pomocou GPT-5.5.

Ak ste niekedy používali hlasový režim ChatGPT, pravdepodobne ste narazili na jednu z jeho najväčších slabín. Hoci boli odpovede umelej inteligencie stále kvalitnejšie, samotný rozhovor mal ku skutočnej konverzácii ďaleko. Človek položil otázku, počkal, systém ju spracoval a následne prišla odpoveď. Akonáhle ste sa na niekoľko sekúnd odmlčali alebo okolo vás vznikol hluk, ChatGPT mohol nesprávne vyhodnotiť situáciu a začať hovoriť.

Práve to sa teraz OpenAI pokúša zásadne zmeniť. Spoločnosť predstavila GPT-Live, novú generáciu hlasových modelov, ktorá teraz začína poháňať ChatGPT Voice. Nejde pritom iba o rýchlejšie odpovede alebo kvalitnejší hlas. OpenAI kompletne zmenilo spôsob, akým hlasový model funguje.

ChatGPT vás novo dokáže poslúchaťchat a zároveň hovoriť

Najdôležitejšou novinkou GPT-Live je takzvaná plne duplexná architektúra. Pod týmto pomerne technickým označením sa skrýva jednoduchá, ale zásadná zmena. ChatGPT môže súčasne prijímať zvukový vstup a generovať vlastnú odpoveď.

Doterajšie hlasové modely fungovali prevažne na princípe striedania jednotlivých replík. Najprv hovoril používateľ, následne systém vyhodnotil konec jeho reči a až potom začala umelá inteligencia odpovedať. GPT-Live naproti tomu priebežne sleduje celú konverzáciu a mnohokrát za sekundu rozhoduje, čo má urobiť.

Môže pokračovať v počúvaní, začať hovoriť, urobiť pauzu, niechat sa prerušiť alebo napríklad použiť niektorý z dostupných nástrojov.

Výsledkom má byť podstatne prirodzenejšia konverzácia. Ak sa napríklad počas vety na chvíľu odmlčíte, pretože premýšľate, ChatGPT nemusí okamžite začať odpovedať. Dokáže počkať. Rovnako tak môže počas vášho rozprávania krátkymi reakciami typu „mhmm“, „jo“ alebo „rozumiem“ naznačiť, že vás stále počúva.

Najväčšiu zmenu možno na prvý pohľad vôbec neuvidíte

GPT-Live však nie je iba nový hlasový model. OpenAI zásadne prepracovalo aj spôsob, akým ChatGPT počas hlasovej konverzácie rieši zložité úlohy.

Samotný GPT-Live sa stará predovšetkým o plynulosť a prirodzenosť konverzácie. Ak mu však položíte otázku vyžadujúcu zložitejšie uvažovanie, vyhľadávanie na internete alebo prácu s ďalšími nástrojmi, môže úlohu na pozadí odovzdať výkonnejšiemu modelu.

Pri uvedení GPT-Live túto prácu zaisťuje GPT-5.5. OpenAI však počíta s tým, že model používaný na pozadí bude postupne aktualizovať spoločne s príchodom ďalších generácií svojich najvýkonnejších modelov.

V praxi tak môže nastať situácia, kedy si s vami GPT-Live ďalej hovorí, zatiaľ čo GPT-5.5 na pozadí vyhľadáva informácie, analyzuje problém alebo rieši zložitejšiu úlohu. Hneď ako je výsledok pripravený, vráti sa späť do prebiehajúcej konverzácie.

To je výrazný rozdiel oproti doterajšiemu spôsobu fungovania hlasových asistentov. Užívateľ už nemusí čakať v tichosti, kým systém dokončí náročnejšiu operáciu.

Starý ChatGPT Voice fungoval úplne inak

Prvá generácia ChatGPT Voice používala takzvaný kaskádový systém. V skutočnosti za hlasovou konverzáciou pracovali tri samostatné modely. Prvý previedol ľudskú reč na text. Druhý, teda veľký jazykový model, vytvoril odpoveď. Tretí následne previedol textovú odpoveď späť do hovorenej podoby.

Tento systém umožnil ľuďom prvýkrát skutočne komunikovať hlasom s pokročilými jazykovými modelmi, mal však niekoľko nevýhod. Informácie sa mohli počas prevodu medzi jednotlivými modelmi strácať a celý proces prinášal oneskorenie, ktoré bolo počas konverzácie viditeľné.

Neskoršie Advanced Voice Mode situáciu výrazne zlepšil, pretože dokázal spracovávať a generovať zvuk priamo v jedinom modeli. Stále však zostával problém so striedaním jednotlivých replík. Model čakal, kým používateľ nedohovoril. Až následne začal odpovedať. Krátke zaváhanie, pauza na premýšľanie alebo hluk na pozadí navyše mohli spôsobiť, že systém nesprávne vyhodnotil konec vety a začal užívateľovi skákať do reči. GPT-Live má práve tento problém odstrániť.

ChatGPT má poznať, kedy premýšľate a kedy ste skutočne dohovorili

Jednou z najzaujímavejších vlastností nového hlasového režimu je lepšie vnímanie priebehu konverzácie. ChatGPT má napríklad rozpoznať, že ste iba urobili pauzu na rozmyslenie. Nemal by teda automaticky začať odpovedať zakaždým, keď na niekoľko sekúnd prestanete hovoriť.

Užívateľ môže ChatGPT tiež požiadať, aby iba počúval a nehovoril. Systém má túto požiadavku rešpektovať. OpenAI súčasne zapracovalo na lepšom potlačení okolitého hluku. Pokiaľ okolo vás prechádzajú automobily alebo v miestnosti hovoria ďalší ľudia, GPT-Live by sa mal lepšie sústrediť priamo na váš hlas. To všetko sú na prvý pohľad drobnosti. Práve podobné detaily však rozhodujú o tom, či konverzácia s umelou inteligenciou pôsobí ako používanie počítačového programu alebo ako skutočný rozhovor.

Výsledky testov ukazujú obrovský rozdiel

OpenAI pre GPT-Live vytvorilo nové hodnotenia zamerané priamo na prirodzenosť a plynulosť hlasových konverzácií. Testovanie prebiehalo prostredníctvom priameho porovnávania niekoľkominútových rozhovorov. GPT-Live-1 získal proti doterajšiemu Advanced Voice Mode preferenciu 75,7 %. Lacnejšie a jednoduchšie GPT-Live-1 mini dosiahol 69,2 %.

Výrazný posun je však vidieť aj pri testoch inteligencie a schopnosti riešiť zložité úlohy. V benchmarku GPQA zameranom na expertné vedecké uvažovanie dosahoval doterajší Advanced Voice Mode presnosti 45,3%. GPT-Live-1 mini sa dostal na 74,9 %, zatiaľ čo najvýkonnejšia konfigurácia GPT-Live-1 s vysokou úrovňou uvažovania dosiahla 84,2 %.

Ešte väčší rozdiel ukázal test BrowseComp zameraný na agentové vyhľadávanie ťažko dostupných informácií na internete. Advanced Voice Mode tu dosiahol iba 0,7 %. GPT-Live-1 mini získal 31,6 % a GPT-Live-1 s vysokou úrovňou uvažovania 75,2%. Nejde teda iba o to, že nový ChatGPT znie prirodzenejšie. Podľa výsledkov OpenAI dokáže súčasne riešiť výrazne zložitejšie úlohy.

Užívateľ si môže zvoliť, ako dlho má ChatGPT premýšľať

Nová verzia ChatGPT Voice umožňuje používateľom voliť aj úroveň uvažovania. Instantný režim je určený pre situácie, keď potrebujete rýchlu odpoveď a nechcete čakať. Stredná a vysoká úroveň uvažovania naopak umožní systému venovať riešeniu problému viac času. To môže byť užitočné napríklad pri zložitejších otázkach, plánovaní, analýze informácií alebo úlohách vyžadujúcich vyhľadávanie na internete.

OpenAI tým fakticky spája dva svety. Na jednej strane stojí rýchly a prirodzený hlasový model, ktorý zaisťuje samotnú konverzáciu. Na druhej strane pracujú najvýkonnejšie modely spoločnosti, ktoré môžu na pozadí riešiť náročnejšie problémy.

Počas hovoru sa novo môžu zobrazovať vizuálne odpovede

Ďalšou významnou novinkou sú vizuálne karty zobrazované priamo počas hlasovej konverzácie. Nie každú odpoveď je totiž ideálne iba počuť. Ak sa napríklad spýtate na predpoveď počasia, športové výsledky, vývoj akcií alebo miesta vo svojom okolí, môže ChatGPT počas hovoru zobraziť zodpovedajúce vizuálne informácie.

Užívateľ tak môže pokračovať v hlasovej konverzácii a súčasne sledovať informácie na displeji telefónu alebo počítača. ChatGPT Voice naďalej podporuje aj vyhľadávanie na internete, pamäť, prácu s obrázkami a nahrávanie súborov.

Nové hlasy a prirodzenejší prejav

Spoločne s uvedením GPT-Naživo OpenAI prepracovalo tiež deväť hlasov dostupných v ChatGPT. Cieľom nebolo iba zvýšiť kvalitu zvuku, ale predovšetkým vytvoriť prirodzenejší spôsob komunikácie. Hlas by mal lepšie reagovať na tempo rozhovoru a prispôsobovať sa situácii.

Ak používateľ požiada ChatGPT, Aby hovoril pomalšie, systém sa môže prispôsobiť. Rovnako ho možno prerušiť doplňujúcou otázkou alebo zmeniť smer konverzácie bez nutnosti čakať na dokončenie celej odpovede.

GPT-Live používajú dve rôzne verzie modelu

OpenAI začína používateľom po celom svete sprístupňovať dva nové modely. Výkonnejšie GPT-Live-1 a jednoduchšie GPT-Live-1 mini. GPT-Live-1 sa má stať východiskovým hlasovým modelom pre užívateľov taríf ChatGPT Go, Plus a Pro. Bezplatní užívatelia získajú GPT-Live-1 mini.

Oba modely môžu na pozadí spolupracovať s ďalšími modelmi OpenAI. GPT-Live-1 vo variantách Instant a GPT-Live-1 mini pri uvedení používajú GPT-5.5 Instant. Varianty Medium a High využívajú GPT-5.5 Thinking s rôznou úrovňou uvažovania.

ChatGPT Voice používa každý týždeň cez 150 miliónov ľudí

Rozsah celej zmeny ukazuje aj počet ľudí, ktorých sa novinka týka. Podľa OpenAI používa každý týždeň hlasové funkcie ChatGPT a diktovanie viac ako 150 miliónov ľudí. Hlasovú umelú inteligenciu využívajú pri riadení automobilu, precvičovaní cudzích jazykov, rozprávaní rozprávok deťom, riešení každodenných problémov alebo jednoducho ako spoločníka počas cesty do práce.

Práve hlas môže byť v budúcnosti jedným z najdôležitejších spôsobov komunikácie s umelou inteligenciou. Písanie textových príkazov je síce presné, pre mnoho každodenných situácií však nie je zďaleka tak prirodzené ako bežná reč.

OpenAI posilňuje bezpečnosť hlasových konverzácií

Spoločnosť venovala značnú pozornosť aj bezpečnosti. GPT-Live vychádza z ochranných mechanizmov najnovších modelov OpenAI a pridáva ďalšie systémy vytvorené špeciálne pre hlasovú komunikáciu.

Testovanie sa zameralo napríklad na sebapoškodzovanie, psychózu, mániu, emočnú závislosť na umelej inteligencii, násilí a sexuálny obsah. Prokeďže hlasová komunikácia prebieha v reálnom čase, môžu bezpečnostné mechanizmy zasiahnuť priamo počas generovania odpovede. Systém môže model nasmerovať k bezpečnejšej reakcii, zobraziť užívateľovi ďalšie informácie alebo v rizikových situáciách hlasovú konverzáciu ukončiť.

Samostatné ochranné opatrenia sú určené pre dospievajúcich užívateľov. Rodičia môžu prostredníctvom rodičovskej kontroly rozhodnúť, či ich dieťa smie ChatGPT Voice používať. OpenAI zároveň zdôrazňuje, že GPT-Live nie je určený na napodobňovanie hlasu konkrétnych ľudí. ChatGPT používa vopred pripravenú sadu hlasov a obsahuje ochranné mechanizmy, ktoré majú imitáciu skutočných osôb obmedzovať.

GPT-Live prichádza na iPhone, Android aj web

Nový GPT-Live je postupne zavádzaný užívateľom ChatGPT po celom svete. Dostupný bude na iOS, Androidu a prostredníctvom webovej verzie ChatGPT. OpenAI upozorňuje, že model bol pri uvedení optimalizovaný predovšetkým pre najpoužívanejšie jazyky. U niektorých jazykov sa preto môže objaviť cudzí prízvuk alebo problémy s plynulosťou prejavu. Spoločnosť chce podporu jednotlivých jazykov postupne zlepšovať.

Pri uvedení nebude GPT-Live podporovať hlasovú komunikáciu súčasne s videom ani zdieľaním obrazovky. OpenAI však pracuje na ich budúcom sprístupnení. Užívatelia môžu naďalej používať aj staršie verzie ChatGPT Voice, vrátane štandardného a pokročilého hlasového režimu, kde niektoré z týchto funkcií zostávajú dostupné.

Nejde len o lepší hlas. OpenAI mení spôsob, akým budeme používať AI

GPT-Live môže na prvý pohľad pôsobiť ako ďalšie vylepšenie hlasového režimu ChatGPT. V skutočnosti však predstavuje podstatne dôležitejšiu zmenu. Doterajšia komunikácia s umelou inteligenciou bola založená predovšetkým na zadávaní príkazov a čakaní na odpoveď. Nová architektúra sa snaží tento princíp odstrániť a vytvoriť prostredie, v ktorom spolu človek a AI komunikujú nepretržite.

ChatGPT vás môže poslúchaťchat, reagovať, niechat sa prerušiť a súčasne na pozadí pomocou iného modelu riešiť zložitejšiu úlohu. Práve kombinácia prirodzenej konverzácie a výkonných modelov pracujúcich na pozadí môže byť oveľa dôležitejšia ako samotné zvýšenie inteligencie AI.

Ak sa OpenAI podarí technológiu ďalej rozvíjať, hlas by sa mohol postupne stať hlavným spôsobom, akým ľudia ChatGPT používajú. Namiesto písania jednotlivých príkazov by sme s umelou inteligenciou jednoducho viedli nepretržitý rozhovor, zatiaľ čo ona by na pozadí vyhľadávala informácie, plánovala, analyzovala dáta a vykonávala čoraz zložitejšie úlohy. A práve GPT-Live je prvým veľkým krokom týmto smerom.