OpenAI ogłosiło wdrożenie GPT-Live – nowej generacji modeli głosowych, które sprawiają, że korzystanie z ChatGPT będzie bardziej przypominało rozmowę z prawdziwym człowiekiem.
Dzięki GPT-Live ChatGPT będzie bardziej ludzki
Początkowo podczas rozmowy głosowej z ChatGPT wykorzystywane były trzy modele. Pierwszy odpowiadał za zmianę mowy na tekst, drugi za tworzenie odpowiedzi, a trzeci za zmianę tekstu na mowę. Mogło to jednak powodować, że niektóre informacje ginęły, a odpowiedzi były powolne i nienaturalne.
Następnie wdrożono modele głosowe działające w turach, które przetwarzały i generowały dźwięk w ramach jednego modelu, dzięki czemu udało się zmniejszyć opóźnienia i zapewnić płynniejszą rozmowę, jednak ChatGPT wciąż musiał czekać, aż użytkownik skończy mówić, aby odpowiedzieć. Mógł też błędnie interpretować koniec wypowiedzi i zacząć odpowiadać, zanim użytkownik zacznie tego oczekiwać.
Wdrożony właśnie GPT-Live natomiast nieprzerwanie przetwarza dane wejściowe (słucha) i generuje dane wyjściowe (mówi), w związku z czym ChatGPT nie czeka, aż użytkownik skończy mówić, aby dopiero przetworzyć jego wypowiedź i odpowiedzieć, tylko w czasie rzeczywistym podejmuje decyzję, czy powinien mówić, dalej słuchać, zrobić pauzę, przerwać lub uruchomić narzędzie.
Co więcej, może nawet sygnalizować, że słucha, generując takie frazy, jak mhmm, tak czy rozumiem. Tym samym konwersacja z ChatGPT będzie przypominała rozmowę z prawdziwym człowiekiem. Z jednej strony to imponujące, jednak z drugiej nieco przerażające, że AI zdołała już aż tak upodobnić się do człowieka.
Równocześnie będzie od niego „zdolniejsza”, ponieważ ChatGPT może równocześnie podtrzymywać rozmowę i (początkowo z użyciem modelu GPT‑5.5) przetwarzać bardziej złożone pytanie w tle, wymagające wyszukiwania informacji w internecie, rozumowania lub bardziej agentowych funkcji.
Użytkownik może również poprosić ChatGPT podczas rozmowy głosowej, aby mówił głośniej lub ciszej albo milczał i dalej słuchał. Chatbot będzie też wyświetlał rozbudowane karty wizualne dotyczące takich tematów, jak pogoda, wyniki giełdowe, sport i wiele innych.
ChatGPT nie pozwoli jednak przekroczyć granicy
Bardziej „ludzka” odsłona ChatGPT może skłonić niektóre osoby do potraktowania go jako przyjaciela, któremu można się zwierzyć ze swoich problemów i myśli. OpenAI deklaruje jednak, że gdy system wykryje potencjalnie niebezpieczne dane wyjściowe, może skierować model ku bezpieczniejszej odpowiedzi, przekazać dodatkowe komunikaty lub wykorzystać zasoby dotyczące bezpieczeństwa albo zakończyć konwersację głosową w bardziej niebezpiecznych sytuacjach.
W sytuacji, gdy użytkownik poruszy temat samookaleczania się, ChatGPT z GPT-Live ma zachęcać go do skontaktowania się ze zweryfikowanymi infoliniami kryzysowymi. W przypadku kont objętych kontrolą rodzicielską rodzice mogą otrzymywać powiadomienia o niebezpiecznych sytuacjach obejmujących oznaki potencjalnego samookaleczenia lub zamiaru samobójczego.
ChatGPT z GPT-Live jest już wdrażany
Nowy model GPT-Live występuje w dwóch wersjach. GPT‑Live‑1 mini jest wdrażany w wersji darmowej, a GPT‑Live‑1 stanie się domyślnym modelem obsługującym ChatGPT Voice dla użytkowników planów Go, Plus i Pro.
OpenAI informuje też, że początkowo GPT‑Live nie będzie obsługiwać trybu głosowego z wideo ani udostępniania ekranu w ChatGPT, ale firma pracuje nad wprowadzeniem tych możliwości. Jeśli ktoś chce korzystać ze wspomnianych funkcji, może to nadal robić, używając starszych wersji ChatGPT Voice.
