Foto: World Economic Forum / Benedikt von Loebell/avaz.ba
OpenAI je objavio novu generaciju svojih konverzacijskih modela, GPT-Live-1 i GPT-Live-1 mini, koji donose prirodniju i fluidniju glasovnu interakciju u ChatGPT-u. Novi modeli zamjenjuju dosadašnji Advanced Voice Mode u aplikaciji ChatGPT, a glavna novost je mogućnost da umjetna inteligencija istodobno sluša i govori.
Prema opisu novih modela, ključ promjene je takozvana full-duplex arhitektura. To znači da model može neprekidno obrađivati zvuk koji dolazi od korisnika i dok istodobno generira govorni odgovor. U praksi to omogućuje da korisnik prekine umjetnu inteligenciju, postavi potpitanje ili promijeni temu u bilo kojem trenutku, bez čekanja da odgovor bude dovršen.
OpenAI navodi i da je sustav sada sposoban prepoznavati suptilne znakove poput pauza za razmišljanje te ubacivati razgovorne potvrde kao što su „aha” ili „razumijem”. Time se, prema opisu nove generacije modela, smanjuje dojam robotske interakcije i razgovor postaje prirodniji. U odnosu na prethodnu verziju, koja se oslanjala na kaskadni sustav s nekoliko odvojenih koraka, novi pristup je brži i uklanja kašnjenje koje je ometalo tečnost komunikacije.
Kaskadni sustav, kako je objašnjeno, najprije je koristio jedan model za pretvaranje govora u tekst, zatim drugi veliki jezični model za generiranje odgovora, a na kraju treći model za pretvaranje teksta natrag u govor. Novi modeli taj proces pojednostavljuju, a OpenAI je pritom naveo i razliku u dostupnosti: GPT-Live-1 mini bit će dostupan svim korisnicima ChatGPT-a, dok će napredniji GPT-Live-1 biti rezerviran za pretplatnike.
Vezane vijesti
