OpenAI predstavio GPT-Live: glasovni model bez umjetnih stanki
Napredak, ali… Što glasovni odgovor zvuči prirodnije, veća je vjerojatnost da će mu se vjerovati, dok problem haluciniranja ostaje isti kao kod svih ostalih modela
OpenAI je u srijedu lansirao GPT-Live, novu generaciju glasovnih modela za ChatGPT koja zamjenjuje dosadašnji Advanced Voice Mode. Riječ je o arhitekturi koja istovremeno sluša i govori, čime se smanjuje latencija i uklanjaju umjetne stanke karakteristične za prethodnu verziju. Oslanjanje na tekstualne odgovore dosad je predstavljalo prepreku širokoj upotrebi umjetne inteligencije u svakodnevnim rutinama, pa GPT-Live u tom smislu širi doseg alata.
Kad treba pomoć, zove se GPT 5.5
Prva promjena omogućuje modelu da tijekom razgovora ubacuje potvrdne zvukove poput "mhmm" i vodi brzu razmjenu replika, uključujući stanke za razmišljanje bez prekidanja korisnika. Druga promjena razdvaja glasovni model od dubljeg zaključivanja: kad upit zahtijeva složeniju obradu, GPT-Live prosljeđuje zahtjev modelu GPT 5.5, koji ga obrađuje u pozadini dok glasovni model nastavlja održavati tijek razgovora.
Na demonstraciji za novinare prije objave model je simultano prevodio na hindu dok je govornik izlagao, a prijevod je uslijedio čim je bio gotov, bez pauze i karakterističnog "razmišljajućeg" zvuka koji je usporavao raniju verziju.
Model dolazi u dvije verzije
Prema OpenAI-jevim podacima, GPT-Live nadmašuje Advanced Voice Mode i po ljudskim preferencijama u razgovoru i po tehničkim mjerilima, poput znanstvenog zaključivanja i agentskog pretraživanja. Model dolazi u dvije verzije: GPT-Live-1 za Go, Plus i Pro korisnike te GPT-Live-1 Mini kao zadanu opciju za besplatne korisnike. Dostupnost u API-ju najavljena je uskoro, a zainteresirani mogu ispuniti obrazac za rani pristup.