OpenAI sproži revolucijo GPT-Živi. Takšen si s tabo ChatGPT še niso spregovorili.

OpenAI je uvedel eno največjih sprememb v zgodovini glasovnega upravljanja ChatGPTNova generacija glasovnih modelov GPT-Live naj bi odpravil nenaravne premore, skakanje v govor in togo menjavanje vprašanj in odgovorov. Umetna inteligenca lahko zdaj posluša.chat in se hkrati pogovarjajte, počakajte, medtem ko razmišljate, odgovorite s kratkim "mhmm", medtem ko hkrati v ozadju rešujete kompleksne naloge z uporabo GPT-5.5.

Če ste že kdaj uporabljali glasovni način ChatGPT, ste verjetno že naleteli na eno njegovih največjih slabosti. Čeprav so bili odzivi umetne inteligence vedno boljši, je bil sam pogovor daleč od pravega pogovora. Postavili ste vprašanje, počakali, sistem ga je obdelal in nato je prišel odgovor. Takoj ko ste za nekaj sekund utihnili ali je bil okoli vas hrup, ChatGPT lahko bi napačno ocenil situacijo in začel govoriti.

To se dogaja zdaj. OpenAI poskuša korenito spremeniti. Podjetje je predstavilo GPT-Live, nova generacija glasovnih modelov, ki zdaj začenja napajati ChatGPT Glas. Ne gre le za hitrejše odzive ali boljšo kakovost glasu. OpenAI popolnoma spremenil način delovanja glasovnega modela.

ChatGPT zdaj te lahko poslušamchat in hkrati govoriti

Najpomembnejša novica GPT-Live je tako imenovana polnodupleksna arhitektura. Ta precej tehnični izraz skriva preprosto, a temeljno spremembo. ChatGPT Hkrati lahko sprejema zvočni vhod in ustvarja lasten odziv.

Prejšnji glasovni modeli so delovali predvsem na principu izmenjevanja posameznih vrstic. Najprej je uporabnik spregovoril, nato pa je sistem ocenilonec njegov govor in šele takrat se je umetna inteligenca začela odzivati. GPT-Live pa neprekinjeno spremlja celoten pogovor in se večkrat na sekundo odloča, kaj bo storil.

Lahko nadaljuje s poslušanjem, začne govoriti, naredi premor, nechat prekiniti ali na primer uporabiti eno od razpoložljivih orodij.

Rezultat bi moral biti veliko bolj naraven pogovor. Če na primer med stavkom za trenutek ustavite, ker razmišljate, ChatGPT Ni mu treba takoj začeti odgovarjati. Lahko počaka. Lahko tudi nakaže, da še vedno posluša, tako da med vašo zgodbo daje kratke odgovore, kot so »mhmm«, »ja« ali »razumem«.

Največja sprememba, ki je na prvi pogled morda ne boste opazili

GPT-Vendar Live ni le nov glasovni model. OpenAI prav tako temeljito preoblikoval način, kako ChatGPT rešuje kompleksne naloge med glasovnimi pogovori.

Sam GPT-Live se v prvi vrsti ukvarja z gladkostjo in naravnostjo pogovora. Če pa mu postavite vprašanje, ki zahteva bolj kompleksno sklepanje, iskanje po internetu ali delo z drugimi orodji, lahko nalogo prepusti zmogljivejšemu modelu v ozadju.

Pri zagonu GPT-Live zagotavlja to delo GPT-5.5. OpenAI Vendar pa pričakuje, da bo model, ki se uporablja v ozadju, postopoma posodobil s prihodom naslednjih generacij svojih najzmogljivejših modelov.

V praksi se lahko pojavi situacija, ko GPT-Živimo še naprej govorimo, medtem ko GPT-5.5 išče informacije, analizira problem ali rešuje bolj zapleteno nalogo v ozadju. Ko je rezultat pripravljen, se vrne k tekočemu pogovoru.

To je pomembna razlika od načina delovanja glasovnih asistentov danes. Uporabniku ni več treba v tišini čakati, da sistem zaključi bolj zapleteno operacijo.

Star ChatGPT Glas je deloval popolnoma drugače

Prva generacija ChatGPT Glas je uporabljal tako imenovani kaskadni sistem. V resnici so za glasovnim pogovorom delovali trije ločeni modeli. Prvi je pretvarjal človeški govor v besedilo. Drugi, model velikega jezika, je ustvaril odgovor. Tretji je nato besedilni odgovor pretvoril nazaj v govorjeno obliko.

Ta sistem je ljudem prvič omogočil resnično glasovno komunikacijo z naprednimi jezikovnimi modeli, vendar je imel več pomanjkljivosti: med prenosom med modeli so se lahko informacije izgubile, postopek pa je povzročil zamudo, ki je bila med pogovorom opazna.

Kasnejši oglasancGlasovni način je znatno izboljšal situacijo, saj je lahko zvok obdelal in ustvaril neposredno v enem samem modelu. Vendar je še vedno obstajala težava z menjavanjem posameznih vrstic. Model je čakal, da je uporabnik spregovoril. Šele nato se je začel odzivati. Poleg tega bi lahko kratko oklevanje, premor za razmislek ali hrup v ozadju povzročil, da bi sistem napačno ocenilonec stavkov in začel skakati v uporabnikov govor. GPT-Live naj bi odpravil to težavo.

ChatGPT Vedeti mora, kdaj razmišljate in kdaj ste se dejansko strinjali.

Ena najzanimivejših lastnosti novega glasovnega načina je boljše zaznavanje poteka pogovora. ChatGPT Na primer, prepoznati bi moral, da ste se pravkar ustavili, da bi razmislili. Zato se ne bi smel samodejno začeti odzivati ​​vsakič, ko za nekaj sekund nehate govoriti.

Uporabnik lahko ChatGPT Prav tako ga prosite, naj samo posluša in ne govori. Sistem bi moral to zahtevo spoštovati. OpenAI Hkrati je izboljšal odpravljanje hrupa. Če se mimo peljejo avtomobili ali se v prostoru pogovarjajo drugi ljudje, GPT-V živo bi se moral bolj osredotočiti na vaš glas. Na prvi pogled so to le manjše podrobnosti. Vendar pa prav te podrobnosti določajo, ali se pogovor z umetno inteligenco zdi kot uporaba računalniškega programa ali kot pravi pogovor.

Rezultati testov kažejo ogromno razliko

OpenAI za GPT-Live je ustvaril nove ocene, osredotočene neposredno na naravnost in tekočnost glasovnih pogovorov. Testiranje je bilo izvedeno z neposrednimi primerjavami večminutnih pogovorov. GPT-Live-1 je zmagal proti prejšnjemu AdvuancPrednost glasovnega načina 75,7 %. Ceneje in lažje GPT-V živo-1 mini dosegel 69,2 %.

Vendar pa je pomemben premik viden tudi pri testih inteligence in sposobnosti reševanja kompleksnih nalog. V merilu GPQA, osredotočenem na strokovno znanstveno sklepanje, je prejšnji AdvancNatančnost glasovnega načina 45,3 %. GPT-V živo-1 mini dosegel 74,9 %, medtem ko je najmočnejša konfiguracija GPT-Live-1 z visoko stopnjo sklepanja je dosegel 84,2 %.

Še večjo razliko je pokazal test BrowseComp, ki se je osredotočil na iskanje težko dostopnih informacij na internetu s pomočjo agentov. AdvancGlasovni način ed je tukaj dosegel le 0,7 %. GPT-V živo-1 mini prejel 31,6 % in GPT-Live-1 z visoko stopnjo sklepanja 75,2 %. Torej ne gre samo za to, da je novo ChatGPT zveni bolj naravno. Glede na rezultate OpenAI lahko hkrati reši bistveno bolj zapletene naloge.

Uporabnik lahko izbere, kako dolgo ChatGPT mislim

Nova različica ChatGPT Glas uporabnikom omogoča tudi izbiro ravni sklepanja. Takojšnji način je zasnovan za situacije, ko potrebujete hiter odgovor in ne želite čakati. Srednja in visoka raven sklepanja pa sistemu omogočata, da porabi več časa za reševanje problema. To je lahko uporabno za bolj zapletena vprašanja, načrtovanje, analizo informacij ali naloge, ki zahtevajo iskanje po internetu.

OpenAI Učinkovito združuje dva svetova. Na eni strani je hiter in naraven glasovni model, ki sam upravlja pogovor. Na drugi strani pa so najzmogljivejši modeli podjetja, ki lahko v ozadju rešujejo bolj zapletene težave.

Vizualni odzivi se zdaj lahko prikažejo med klicem

Druga pomembna inovacija so vizualne kartice, ki se prikazujejo neposredno med glasovnim pogovorom. Ni vsak odgovor idealen za samo poslušanje. Če na primer vprašate o vremenski napovedi, športnih rezultatih, trendih delnic ali krajih v vaši bližini, ChatGPT med klicem prikaže ustrezne vizualne informacije.

Uporabnik lahko nadaljuje glasovni pogovor, medtem ko hkrati gleda informacije na zaslonu telefona ali računalnika. ChatGPT Glas še naprej podpira tudi internetno iskanje, pomnjenje, delo s slikami in nalaganje datotek.

Novi glasovi in ​​bolj naraven govor

Skupaj z uvodom GPT-V živo OpenAI prav tako pregledal devet glasov, ki so na voljo v ChatGPTCilj ni bil le izboljšati kakovost zvoka, temveč predvsem ustvariti bolj naraven način komunikacije. Glas bi se moral bolje odzivati ​​na tempo pogovora in prilagajati situaciji.

Če uporabnik zahteva ChatGPTSistem se lahko prilagodi tako, da govori počasneje. Prav tako ga je mogoče prekiniti z nadaljnjim vprašanjem ali spremeniti smer pogovora, ne da bi bilo treba čakati na celoten odgovor.

GPT-Live uporablja dve različni različici modela

OpenAI začenja dajati na voljo dva nova modela uporabnikom po vsem svetu. Zmogljivejši GPT-Live-1 in lažje GPT-V živo-1 mini. GPT-Live-1 bo postal privzeti glasovni model za uporabnike tarifnih storitev. ChatGPT Pojdi, Plus in ProBrezplačni uporabniki dobijo GPT-V živo-1 mini.

Oba modela lahko delujeta v ozadju z drugimi modeli OpenAI. GPT-V živo-1 v variaTakojšnje in GPT-V živo-1 mini ko so predstavljeni, uporabljajo GPT-5.5 Takoj. VariaSrednja in visoka raven uporabe GPT-5.5 Razmišljanje z različnimi ravnmi sklepanja.

ChatGPT Glas vsak teden uporablja več kot 150 milijonov ljudi

Obseg celotne spremembe kaže tudi število ljudi, ki jih nova funkcija zadeva. Po navedbah OpenAI uporablja glasovne funkcije vsak teden ChatGPT in narekovanje več kot 150 milijonov ljudi. Glasovno umetno inteligenco uporabljajo za vožnjo avtomobila, vadbo tujih jezikov, pripovedovanje zgodb otrokom, reševanje vsakdanjih težav ali preprosto kot spremljevalca na poti v službo.

Glas bi lahko bil eden najpomembnejših načinov komunikacije z umetno inteligenco v prihodnosti. Tipkanje besedilnih ukazov je natančno, vendar v mnogih vsakdanjih situacijah ni niti približno tako naravno kot običajen govor.

OpenAI krepi varnost glasovnih pogovorov

Podjetje je veliko pozornosti namenilo tudi varnosti. GPT-Live temelji na zaščitnih mehanizmih najnovejših modelov OpenAI in dodaja druge sisteme, ustvarjene posebej za glasovno komunikacijo.

Testiranje se je osredotočalo na primer na samopoškodovanje, psihozo, manijo, čustveno odvisnost od umetne inteligence, nasilje in spolne vsebine. ProKer glasovna komunikacija poteka v realnem času, lahko varnostni mehanizmi neposredno posredujejo med generiranjem odziva. Sistem lahko usmeri model k varnejšemu odzivu, uporabniku prikaže dodatne informacije ali v tveganih situacijah prekine glasovni pogovor.

Za najstnike so na voljo ločeni zaščitni ukrepi. Starši lahko s starševskim nadzorom odločijo, ali je njihovemu otroku dovoljeno ChatGPT Uporaba glasu. OpenAI hkrati poudarja, da GPT-Namen oddaje »Live« ni posnemati glasu določenih ljudi. ChatGPT Uporablja vnaprej pripravljen nabor glasov in vsebuje zaščitne mehanizme za omejevanje posnemanja resničnih ljudi.

GPT-V živo prihaja iPhone, Android in splet

Novo GPT-Live se postopoma uvaja za uporabnike ChatGPT po vsem svetu. Na voljo bo na iOS, Android in prek spletne različice ChatGPT. OpenAI Upoštevajte, da je bil model ob lansiranju optimiziran za najpogosteje uporabljene jezike. Nekateri jeziki imajo lahko težave s tujim naglasom ali tekočim govorjenjem. Podjetje načrtuje postopno izboljšanje podpore za posamezne jezike.

Ob lansiranju ne bo na voljo. GPT-Live podpira glasovno komunikacijo hkrati z deljenjem videa ali zaslona. OpenAI vendar pa dela na tem, da bi jih v prihodnosti omogočili. Uporabniki lahko še naprej uporabljajo tudi starejše različice. ChatGPT Glas, vključno s standardnim in naprednim glasovnim načinom, kjer nekatere od teh funkcij ostanejo na voljo.

Ne gre samo za boljši glas. OpenAI spreminjanje načina uporabe umetne inteligence

GPT-Način v živo se na prvi pogled morda zdi kot še ena izboljšava glasovnega načina ChatGPTV resnici pa predstavlja veliko pomembnejšo spremembo. Prejšnja komunikacija z umetno inteligenco je temeljila predvsem na vnosu ukazov in čakanju na odgovor. Nova arhitektura si prizadeva odpraviti to načelo in ustvariti okolje, v katerem ljudje in umetna inteligenca komunicirajo neprekinjeno.

ChatGPT te lahko poslušamchat, odgovori, nechat prekiniti in hkrati uporabiti drug model v ozadju za rešitev bolj kompleksne naloge. Kombinacija naravnega pogovora in zmogljivih modelov, ki delujejo v ozadju, je lahko veliko pomembnejša od samega povečanja inteligence umetne inteligence.

če OpenAI Če se bo tehnologija še naprej razvijala, bi lahko glas postopoma postal glavni način komunikacije ljudi. ChatGPT Namesto tipkanja posameznih ukazov bi preprosto imeli neprekinjen pogovor z umetno inteligenco, medtem ko bi ta v ozadju iskala informacije, načrtovala, analizirala podatke in izvajala vse bolj zapletene naloge. In prav to je tisto, kar GPT-V živo je prvi velik korak v to smer.