Kompanija OpenAI objavila je novu generaciju svojih konverzacijskih modela, nazvanih GPT-Live-1 i GPT-Live-1 mini, koji obećavaju znatno prirodniju i fluidniju glasovnu interakciju. 

Glavna inovacija je tehnologija koja omogućuje umjetnoj inteligenciji da istovremeno sluša i govori, čime se uklanjaju neprirodne stanke i omogućuje korisnicima da vode razgovore slične onima s ljudima. Ovi modeli zamjenjuju dosadašnji "Advanced Voice Mode" u aplikaciji ChatGPT.

Tehnologija koja sluša i govori istovremeno

Ključna inovacija novih modela je takozvana "full-duplex" arhitektura, što u praksi znači da model može kontinuirano obrađivati zvuk koji dolazi od korisnika čak i dok sam generira govorni odgovor. To omogućuje prirodnu dinamiku razgovora gdje korisnik može u bilo kojem trenutku prekinuti umjetnu inteligenciju, postaviti potpitanje ili promijeniti temu, baš kao u razgovoru s drugom osobom. 

Suptilni znakovi 

Sistem je sada sposoban prepoznavati i suptilne znakove poput pauza za razmišljanje te ubacivati razgovorne potvrde poput "aha" ili "razumijem", čineći interakciju manje robotskom.

Ovo je značajan korak naprijed u odnosu na prethodnu verziju, koja se oslanjala na sporiji, kaskadni sistem. Taj je sistem prvo koristio jedan model za pretvaranje govora u tekst, zatim drugi, veliki jezični model za generiranje odgovora, i na kraju treći model za pretvaranje teksta natrag u govor. 

Novi pristup je znatno brži i eliminira kašnjenje koje je ometalo tečnost komunikacije. Manji model, GPT-Live-1 mini, bit će dostupan svim korisnicima ChatGPT-a, dok će napredniji GPT-Live-1 biti rezerviran za pretplatnike.