OpenAI научила ChatGPT слушать, думать и говорить одновременно — представлены модели GPT-Live

[душман]

OpenAI представила большие модели искусственного интеллекта GPT-Live-1 и GPT-Live-1 mini, предназначенные для естественного голосового взаимодействия. Модели способны одновременно слушать пользователя и генерировать ответ, а также осуществлять синхронный перевод в режиме реального времени. GPT-Live-1 mini будет использоваться в качестве стандартной голосовой модели в ChatGPT, тогда как пользователям платных подписок станет доступна более производительная GPT-Live-1. 

В отличие от прежней архитектуры, объединявшей отдельные модели распознавания речи, генерации текста и синтеза голоса, новые ИИ-модели работают как единая полнодуплексная система, которая может длительное время сохранять молчание, анализируя контекст диалога до момента непосредственного обращения пользователя. При необходимости GPT-Live-1 может обращаться к новейшим текстовым моделям OpenAI, включая GPT-5.5, для поиска информации, рассуждений и выполнения агентских задач, не прерывая при этом голосовой диалог. 

Как отметил руководитель продукта ChatGPT Voice Этти Элети, в перспективе голосовое управление может стать основным интерфейсом для выполнения сложных запросов. Однако система не позиционируется в качестве ИИ-компаньона. Одновременно представители компании признали, что технология всё ещё требует доработки, хотя и оптимизирована для большинства распространённых языков. 

Например, демонстрация функции перевода в режиме реального времени на язык хинди выявила определённые недостатки, такие как американский акцент и неестественная, книжная интонация синтезированной речи. Также сообщается, что система оснащена встроенными механизмами безопасности, обеспечивающими предоставление ответов с учётом возраста пользователя и оказание помощи в критических ситуациях. Кроме того, она получила возможность отображать часть информации в визуальном формате.