Kompanija je tokom ljeta 2024. godine predstavila Advanced Voice Mode, a kada je objavljen, ovaj način rada bio je impresivan i predstavljao je veliko unapređenje u odnosu na starije glasovne asistente poput Siri i Alexa-e, ali su s vremenom njegova ograničenja postala sve uočljivija.
Konkretno, Advanced Voice Mode koristio je ono što OpenAI opisuje kao glasovni model zasnovan na ,,izmjeni redova”, koji funkcioniše upravo onako kako zvuči: model mora sačekati da korisnik završi govor prije nego što može odgovoriti, prenosi Klix.
Kao što se može pretpostaviti, to je često dovodilo do neprirodne i isprekidane komunikacije. Osim toga, budući da je model koristio tišinu kao signal za početak odgovora, često je pogrešno tumačio kratku pauzu kao kraj upita ili pitanja, što je rezultiralo nezgodnim prekidima.
PREDNOSTI LIVE-1
Nasuprot tome, porodica modela GPT-Live-1 izgrađena je na dvostrukoj (duplex) arhitekturi.
Oni mogu istovremeno obrađivati korisničke unose dok u isto vrijeme generišu odgovor.
,,To omogućava modelu da vodi prirodniji razgovor, bolje prati tok vremena, pa čak i obavlja prevode uživo”, pojasnio je OpenAI.
Istovremeno, kompanija je GPT-Live osmislila tako da može delegirati zadatke.
Ako novi glasovni modeli procijene da bi pitanje ili zahtjev korisnika imali koristi od naprednog zaključivanja, pretrage interneta ili drugih naprednijih mogućnosti, za pomoć se mogu obratiti drugim OpenAI modelima, uključujući GPT-5.5. Ti sistemi će raditi u pozadini, omogućavajući korisnicima da nastave razgovor s GPT-Live modelom.
KORISNIJE GLASOVNO ISKUSTVO
Zajedno, ove promjene rezultiraju glasovnim iskustvom za koje OpenAI vjeruje da će korisnicima biti korisnije. Nove glasovne modele je moguće prekinuti u bilo kojem trenutku, a korisnik ih čak može zamoliti da uspore ako mu se čini da govore prebrzo.
Dok korisnik govori, modeli će potvrđivati da vas slušaju kratkim verbalnim odgovorima poput ,,mhm” i ,,razumijem”, a OpenAI navodi da su novi modeli sada znatno bolji u održavanju fokusa kada u pozadini postoje ometajući zvukovi.
ChatGPT Voice sada takođe može generisati vizuelne prikaze u obliku kartica nalik widget-ima za teme poput vremenske prognoze, sporta, dionica i drugih sadržaja. Kao i ranije, podrška za prijenos slika i datoteka ugrađena je u ovu funkciju, a može se koristiti i za pretraživanje interneta.
SIGURNOSNE MJERE
OpenAI navodi da je u ChatGPT Voice ugradio nove sigurnosne mjere.
,,Kada sistem otkrije potencijalno nesiguran odgovor, može usmjeriti model ka sigurnijem odgovoru, prikazati dodatne sigurnosne poruke ili prekinuti glasovni razgovor u slučajevima većeg rizika”, saopštila je kompanija.
Roditelji i staratelji mogu koristiti nedavno predstavljene roditeljske kontrole kompanije OpenAI kako bi onemogućili ChatGPT Voice za svoje tinejdžere. Ako su svom djetetu omogućili pristup ChatGPT Voiceu, a sistem prepozna da pokušava usmjeriti razgovor prema samopovređivanju, obavijestiće roditelja.
OpenAI počinje postepeno uvoditi GPT-Live u ChatGPT na Android-u, iOS-u i web-u.
GPT-Live-1 biće podrazumijevani model za korisnike koji plaćaju Go, Plus i Pro pretplate, dok će besplatni korisnički nalozi koristiti manji model Live-1 mini.
Preporučeno
Video