OpenAI выпустила новые голосовые модели GPT-Live для более естественного общения

OpenAI сегодня выпустила новые голосовые модели, названные GPT-Live-1 и GPT-Live-1 mini, заявляя, что они звучат более естественно и лучше справляются с управлением очередью в разговоре. Это полнодуплексные модели, то есть они могут говорить и слушать одновременно, позволяя пользователям естественно перебивать и обеспечивая такие функции, как синхронный перевод.

Компания также заменяет текущий «Расширенный голосовой режим» в ChatGPT на GPT-Live-1 mini по умолчанию. Пользователи платных тарифов получат доступ к более крупной модели GPT-Live-1. Предыдущая модель сочетала в себе модель преобразования речи в текст для распознавания речи, большую языковую модель для генерации ответов и модель преобразования текста в речь для выдачи финального ответа.

В ходе брифинга для прессы компания заявила, что новые модели решают такие проблемы, как прерывание пользователей во время их речи и недостаточный интеллект для ответа на вопросы. Новые модели OpenAI будут отправлять запросы своим последним текстовым моделям, таким как GPT-5.5, для поиска, рассуждений или выполнения агентских задач, продолжая при этом диалог.

OpenAI также продемонстрировала, что модель может долго молчать, впитывая контекст разговора, пока к ней не обратятся. Кроме того, поскольку новый голосовой режим имеет доступ к более новым моделям GPT, он может представлять некоторую информацию в визуальном формате. Другие стартапы, такие как Monogram, который привлек $40 млн (около 3,2 млрд рублей) начального финансирования от DST и Lux Capital, также делают ставку на визуальные ответы, чтобы сделать ассистентов более интерактивными.

Компания заявила, что новый голосовой режим в ChatGPT предназначен для более продолжительных разговоров. Во время брифинга руководитель продукта ChatGPT Voice, Атти Элети, рассказал, что у него были 30-40-минутные беседы с голосовой функцией во время прогулок.

OpenAI считает, что голос может стать основным интерфейсом для работы со сложными задачами. Сообщается, что компания может выпустить пару наушников с ИИ-функциями в этом году. Однако никакой информации об аппаратных продуктах предоставлено не было.

«Со временем, мы думаем, это также позволит использовать голос как своего рода основной интерфейс для вычислений и управления все более сложной долгосрочной агентской работой. Те удивительные варианты использования, которые мы видим, когда люди используют Codex и ChatGPT для выполнения задач, по нашему мнению, голос может стать будущим интерфейсом для всех видов работы», — сказал Элети.

OpenAI работала над улучшением голосовых функций в течение последних нескольких лет, чтобы сделать голосовой режим ChatGPT более естественным. Компания сообщила, что более 150 миллионов человек общаются с ChatGPT, используя такие функции, как «Голос» и «Диктовка».

Конкуренты также пытаются сделать ассистентов более выразительными.

И Apple, и Amazon обновили своих ассистентов, сделав их более разговорчивыми и лучше обрабатывающими контекст. Стартапы вроде Sesame, основанный сооснователем Oculus Бренданом Ирайбом и Анкитом Кумаром, также запустили ИИ-ассистентов с более естественным общением, одновременно выполняя задачи в фоновом режиме.

OpenAI движется в том же направлении, стремясь позволить пользователям общаться со своим ассистентом без помощи рук в течение длительного времени. Несмотря на заявление о том, что новый голосовой режим звучит более естественно, компания подчеркнула, что не стремится сделать из него ИИ-компаньона. Она отметила, что в новые модели встроены средства защиты, чтобы давать подросткам ответы, соответствующие возрасту, и предоставлять ресурсы, если разговор переходит на такие темы, как членовредительство.

Новый голосовой режим все еще нуждается в доработке. Во время демонстрации, когда компания показывала функцию синхронного перевода на хинди, у ассистента был сильный американский акцент, и он говорил на хинди неестественно, с несколько книжным тоном. Компания заявила, что новый режим оптимизирован для «большинства распространенных языков», но не уточнила, для каких именно.