OpenAI выпустила свою новую голосовую языковую модель GPT-Live

OpenAI выпустила свою новую голосовую языковую модель GPT-Live

⚡ Более естественные разговоры.. OpenAI выпустила свою новую голосовую языковую модель GPT-Live, которая будет вести диалоги более естественно, а также у неё есть несколько функций.

Ранее в ChatGPT использовался довольно неэффективный и громоздкий подход, который можно охарактеризовать фразой «Одна модель, одна задача»: это когда для перевода речи в текст использовалась одна модель, для анализа сказанного — другая, а для перевода ответа в речь — третья. Так, каждый запрос задействовал сразу 3 отдельные модели. С точки зрения оптимизации процессов, это просто ад. Это безобразие впоследствии поправили, и оно показало свою неэффективность не даже с точки зрения оптимизации и грамотного использования мощностей. Сам голосовой режим для пользователя работал медленно, плохо обрабатывал сложные вопросы и вообще вел себя неестественно.

Как уже упоминалось ранее, это безобразие поправили и выпустили новую модель «всё в одном» под названием ChatGPT Advanced Voice Mode, которая стала работать лучше, быстрее и плавнее. Но проблема у неё была: она заключалась в том, что для того, чтобы нейросеть поняла, что пользователь закончил говорить, было достаточно короткой паузы, а иногда фоновые шумы воспринимались как начало нового запроса пользователя, что прерывало работу над предыдущим. И вот сейчас компания OpenAI решила исправить и эту проблему путём внедрения непрерывного взаимодействия — это когда модель обрабатывает входные данные, непрерывно генерируя выходные. Так модель может слушать, при этом анализируя или дополняя задачу на лету, говорить фразы типа «угу», «ага» и т.д. Таким образом, взаимодействие с голосовым режимом будет более естественным. Не будет больше реакции на фоновые шумы, а также ChatGPT будет хорошо обрабатывать те ситуации, когда пользователь немного задумался.

Ещё у GPT-Live есть несколько полезных функций. Первая из них — отправка на решение в фоне сложной, долгой и ресурсоёмкой задачи более мощной модели из семейства GPT 5.5. Пока фоновая модель обрабатывает запрос, GPT-Live может поддерживать диалог. Вторая же функция — это генерация интерактивных карточек для тех случаев, когда информацию лучше увидеть, чем услышать. Это может быть погода, курсы валют, скидки или спортивные мероприятия.

По тестам компании новая модель значительно превосходит старую Advanced Voice Mode в разговорах на 5-10 минут по отзывчивости, плавности разговора и естественности взаимодействия. Подробную информацию, как всегда, можно найти в статье; ссылка на неё есть в начале поста.

Также можно настроить анализ задачи, выбрав низкий — для мгновенных ответов, средний, или высокий — для большего времени на анализ задачи.

Ещё компания заявляет, что хорошо поработала над безопасностью новой модели, разработав механизмы анализа и защиты от нежелательного использования. ChatGPT может сместить ответ в более безопасный или при необходимости вообще прервать диалог.

Новый голосовой режим доступен в приложениях ChatGPT на iOS и Android и в веб-версии. Версия модели GPT-Live-1 доступна пользователям с подпиской Go, Plus и Pro, а GPT-Live-1 mini доступна бесплатно