ChatGPT będzie brzmiał jak człowiek. OpenAI wprowadza nowy model

OpenAI zaprezentowało nowy model głosowy GPT Live, którego celem jest uczynienie rozmów z ChatGPT bardziej płynnymi i zbliżonymi do komunikacji z drugim człowiekiem. Największą zmianą jest zastosowanie architektury full duplex, dzięki której model potrafi jednocześnie słuchać użytkownika i odpowiadać, zamiast czekać na zakończenie całej wypowiedzi, jak miało to miejsce w dotychczasowych rozwiązaniach.

Nowy model analizuje rozmowę w czasie rzeczywistym i na bieżąco decyduje, czy powinien mówić, słuchać czy przez chwilę pozostać cicho. Podczas konwersacji może również sygnalizować, że uważnie śledzi wypowiedź rozmówcy, używając krótkich zwrotów potwierdzających takich jak „mhm” czy „tak”, dzięki czemu dialog przypomina naturalną rozmowę, a nie wymianę kolejnych komunikatów pomiędzy użytkownikiem i asystentem.

Rozmowy z AI mają być bardziej ludzkie

OpenAI wprowadziło także nowe rozwiązanie dla bardziej wymagających pytań. Jeżeli użytkownik poprosi o analizę wymagającą dłuższego przemyślenia lub wyszukania informacji w internecie, GPT Live nie zatrzymuje rozmowy, lecz przekazuje takie zadanie innemu modelowi, na przykład GPT 5.5, jednocześnie utrzymując kontakt z użytkownikiem. Dzięki temu rozmowa przebiega płynniej i nie sprawia wrażenia zawieszonej podczas oczekiwania na odpowiedź.

Dzięki nowemu trybowi ChatGPT może rozmawiać jak człowiek.

Producent poprawił również sposób rozpoznawania mowy. Jeżeli użytkownik zrobi krótką przerwę, żeby zastanowić się nad kolejną częścią wypowiedzi, model nie przerwie mu zbyt wcześnie. Możliwe jest także wydanie polecenia, by ChatGPT jedynie słuchał i nie odpowiadał do momentu zakończenia wypowiedzi. Dodatkowo system lepiej radzi sobie z odróżnianiem głosu użytkownika od hałasów otoczenia, dzięki czemu rozmowa ma być stabilniejsza nawet w mniej sprzyjających warunkach.

Nowością są także odpowiedzi wizualne. GPT Live może wyświetlać rozbudowane karty z informacjami dotyczącymi między innymi pogody, notowań giełdowych, wydarzeń sportowych czy innych danych, które łatwiej zaprezentować w formie graficznej niż wyłącznie tekstowej.

Nowa funkcja nie dla wszystkich

OpenAI udostępnia dwa warianty modelu. GPT Live 1 będzie domyślnym rozwiązaniem dla użytkowników planów Pro, Plus i Go, natomiast GPT Live Mini trafi do osób korzystających z darmowej wersji ChatGPT. Funkcja jest wdrażana zarówno w aplikacjach mobilnych, jak i w przeglądarkowej wersji usługi.

Nowy model można porównać z Gemini Live od Google, które również umożliwia prowadzenie rozmów głosowych z wykorzystaniem sztucznej inteligencji, jednak OpenAI stawia na bardziej dynamiczną komunikację oraz możliwość przekazywania części zadań innym modelom bez przerywania konwersacji.