Kompanija OpenAI predstavila je novu generaciju svojih konverzacijskih modela, nazvanu GPT-Live-1 i GPT-Live-1 mini, koja donosi unaprijeđenu glasovnu interakcji. Ovi modeli omogućavaju korisnicima prirodnije i fluidnije razgovore s umjetnom inteligencijom, uklanjajući neprirodne stanke u komunikaciji.
Novi modeli zamjenjuju prethodni “Advanced Voice Mode” u aplikaciji ChatGPT, donoseći značajne inovacije. Glavna odrednica je tehnologija koja omogućava umjetnoj inteligenciji da istovremeno sluša i govori, što omogućuje korisnicima da vode razgovore slične onima s ljudima.
Tehnologija koja sluša i govori istovremeno
Ključna inovacija nove generacije modela predstavlja takozvana “full-duplex” arhitektura. Ova tehnologija omogućava modelima da kontinuirano obrađuju zvuk koji dolazi od korisnika dok generiraju vlastiti govor. Ovakav pristup omogućava prirodnu dinamiku razgovora, pri čemu korisnik može slobodno prekidati umjetnu inteligenciju, postavljati potpitanja ili mijenjati temu razgovora, baš kao u interakciji s drugim ljudima.
Suptilni znakovi
Novi sistem je sposoban prepoznavati suptilne znakove, kao što su pauze za razmišljanje, te uključivati razgovorne potvrde poput “aha” ili “razumijem”. Ovo značajno smanjuje robotski ton komunikacije i poboljšava korisničko iskustvo.
Ovaj napredak je posebno značajan kada se uzme u obzir da su prethodne verzije koristile sporiji, kaskadni sistem. Taj sistem se oslanjao na tri različita modela: prvi za pretvaranje govora u tekst, drugi, veliki jezični model za generiranje odgovora, te treći model za pretvaranje teksta nazad u govor.
Novi pristup osigurava bržu i fluidniju komunikaciju, eliminirajući kašnjenja koja su otežavala interakciju. Manji model, GPT-Live-1 mini, biće dostupan svim korisnicima ChatGPT-a, dok će napredniji model, GPT-Live-1, biti rezerviran za pretplatnike.