Foto: Klix SciTech
OpenAI je počeo postupno uvoditi GPT-Live u ChatGPT na Androidu, iOS-u i webu, a uz to dolazi i promjena načina na koji glasovni razgovor funkcionira. Kompanija navodi da su modeli GPT-Live-1 i GPT-Live-1 mini zasnovani na dvostrukoj (duplex) arhitekturi, što im omogućava da istovremeno obrađuju korisnički unos i generiraju odgovor. Besplatni računi koristit će manji model Live-1 mini, dok će GPT-Live-1 biti podrazumijevani model za korisnike pretplata Go, Plus i Pro.
Time se mijenja i dosadašnji pristup u Advanced Voice Modeu, predstavljenom tokom ljeta 2024. godine. Taj je način rada koristio glasovni model zasnovan na „izmjeni redova”, pa je morao čekati da korisnik završi govor prije nego što odgovori. OpenAI je ranije taj pristup opisivao kao funkcionalan, ali takvo čekanje je često dovodilo do neprirodne i isprekidane komunikacije. Kako je model tišinu tumačio kao signal za početak odgovora, kratke pauze mogle su biti shvaćene kao kraj pitanja, što je uzrokovalo nezgodne prekide.
OpenAI kaže da GPT-Live može voditi prirodniji razgovor, bolje pratiti tok vremena i čak obavljati prijevode uživo. Kompanija je novi glasovni način rada osmislila i tako da može delegirati zadatke drugim modelima ako procijeni da bi pitanje ili zahtjev korisnika imao koristi od naprednijeg zaključivanja, pretrage interneta ili drugih mogućnosti. U takvim slučajevima pomoć mogu pružiti drugi OpenAI modeli, uključujući GPT-5.5, dok ti sistemi rade u pozadini i razgovor se nastavlja u GPT-Liveu.
Novi glasovni modeli mogu se prekinuti u bilo kojem trenutku, a korisnik ih može i zamoliti da uspore ako govore prebrzo. Dok korisnik govori, modeli će potvrđivati da slušaju kratkim verbalnim odgovorima poput „mhm” i „razumijem”. OpenAI navodi i da su modeli sada znatno bolji u održavanju fokusa kada su prisutni ometajući zvukovi u pozadini. ChatGPT Voice sada može generirati i vizualne prikaze u obliku kartica nalik widgetima za teme poput vremenske prognoze, sporta, dionica i drugih sadržaja, a podrška za prijenos slika i datoteka ostaje ugrađena u funkciju, zajedno s mogućnošću pretraživanja interneta.
OpenAI navodi i da je u ChatGPT Voice ugradio nove sigurnosne mjere. Kada sistem otkrije potencijalno nesiguran odgovor, može usmjeriti model prema sigurnijem odgovoru, prikazati dodatne sigurnosne poruke ili prekinuti glasovni razgovor u slučajevima većeg rizika. Roditelji i staratelji mogu koristiti nedavno predstavljene roditeljske kontrole kako bi onemogućili ChatGPT Voice za tinejdžere, a ako je djetetu omogućen pristup i sistem prepozna pokušaj usmjeravanja razgovora prema samopovređivanju, obavijestit će roditelja.
Vezane vijesti
