OpenAI julkaisee GPT-Live-äänimallit sujuvampaan ChatGPT-vuorovaikutukseen

OpenAI julkaisi keskiviikkona GPT-Live-arkkitehtuurin, joka parantaa merkittävästi ChatGPT:n äänitoimintoja. Uudet mallit, GPT-Live-1 ja GPT-Live-1 mini, mahdollistavat samanaikaisen kuuntelun ja puhumisen, jäljitellen ihmiskeskustelun luonnollista vuorovaikutusta.

GPT-Live-1 on oletusmallina maksaville ChatGPT-käyttäjille ja GPT-Live-1 mini ilmaisversiota käyttäville. Mallit ovat saatavilla globaalisti eri ChatGPT-alustoilla. Tämä on kolmas sukupolvi ChatGPT:n puheteknologiassa noin kahdessa vuodessa, ja se pyrkii tekemään tekoälystä vähemmän hakukonemaisen ja enemmän keskustelukumppanin kaltaisen.

Teknologian keskeinen uudistus on täyden kaksisuuntaisen (full-duplex) arkkitehtuurin käyttö. Tämä tarkoittaa, että tekoäly voi jatkuvasti käsitellä tulevaa puhetta samalla, kun se tuottaa omaa vastaustaan, ilman jäykkiä puheenvuorojen vaihtoja. Malli voi reagoida pieniin taukoihin tai jopa keskeyttää luonnollisesti, parantaen keskustelun sujuvuutta ja vähentäen epäluonnollisia keskeytyksiä.

GPT-Live erottaa myös äänivuorovaikutuksen ja päättelykyvyn. Yksinkertaiset tehtävät käsitellään suoraan, mutta monimutkaisemmat pyynnöt, kuten verkkohaut tai syvemmät analyysit, delegoidaan taustalla toimiville edistyneemmille malleille, kuten GPT-5.5:lle. Tämä mahdollistaa tekoälyn jatkaa keskustelua käyttäjän kanssa samalla, kun laskentaa tehdään taustalla, pitäen keskustelun luonnollisena ja keskeytyksettömänä.

Uusi arkkitehtuuri edustaa siirtymää aiemmasta kolmivaiheisesta putkesta (puheentunnistus, kielimalli, puhesynteesi), joka aiheutti viivettä ja tiedon katoamista. GPT-Liven modulaarinen rakenne antaa yrityksille ja kehittäjille uusia mahdollisuuksia rakentaa älykkäämpiä ja luonnollisempia äänisovelluksia. OpenAI suunnittelee tuovansa mallit myös API-käyttöön.