OpenAI-მ წარადგინა GPT-Live – ხმოვანი მოდელების ახალი თაობა, რომელიც ადამიანსა და ხელოვნურ ინტელექტს შორის საუბარს ცოცხალ დიალოგს ამსგავსებს. მოდელი უკვე ChatGPT Voice-ს ამუშავებს და დღეიდან გლობალურად ეშვება მომხმარებლებისთვის.
მთავარი სიახლე არქიტექტურაშია. GPT-Live აგებულია სრულ დუპლექსზე (full-duplex), რაც ნიშნავს, რომ მას ერთდროულად შეუძლია მოსმენა და საუბარი. ეს ხმოვან რეჟიმს რიგრიგობითი “კითხვა-პასუხის” ხისტი ლოგიკიდან უფრო თავისუფალ, ბუნებრივ საუბრამდე გადაჰყავს.
სარჩევი
რა არის GPT-Live
ეს ხმოვანი მოდელების ოჯახია, რომელიც საუბრის დროს ცოცხალ, ბუნებრივ ქცევას ავლენს. მას შეუძლია მოკლე რეპლიკებით, მაგალითად “mhmm” ან “yeah”, აჩვენოს, რომ გისმენს, სწრაფად პასუხობდეს, ან უბრალოდ გაჩუმდეს, როცა ფიქრისთვის დრო გჭირდება.
OpenAI-ის თქმით, ეს მათი ყველაზე ჭკვიანი ხმოვანი მოდელია. როცა კითხვა ძებნას, ღრმა მსჯელობას ან უფრო რთულ სამუშაოს მოითხოვს, GPT-Live ამ ამოცანას ფონურად სხვა მოდელს გადასცემს და შედეგს საუბარში აბრუნებს მაშინ, როცა ის მზად არის. სანამ ეს პროცესი მიმდინარეობს, მოდელი საუბრის რიტმს არ კარგავს.
გაშვების ეტაპზე OpenAI-ს ახალი მოდელი ფონურად GPT-5.5-ს იყენებს. კომპანია აღნიშნავს, რომ ახალი წამყვანი მოდელების გამოსვლასთან ერთად ამ ფონურ მოდელსაც განაახლებს. დღეიდან ორი ვერსია ეშვება – GPT-Live-1 და GPT-Live-1 mini – ChatGPT-ის მომხმარებლებისთვის მთელ მსოფლიოში. OpenAI ასევე გეგმავს მათ API-ში შეტანას.
როგორ მუშაობს
OpenAI-მ ორი ტექნიკური ცვლილება გამოყო, რომელიც ძველ ხმოვან სისტემებს ახლისგან განასხვავებს.
უწყვეტი ინტერაქცია
პირველი არის უწყვეტი ინტერაქცია სრული დუპლექსის არქიტექტურით. ცალკეული შეტყობინებების თანმიმდევრობით დამუშავების ნაცვლად, GPT Live შემავალ ინფორმაციას მუდმივად ამუშავებს და პარალელურად აწარმოებს პასუხს.
ამის წყალობით მოდელი წამში მრავალჯერ იღებს გადაწყვეტილებას: ისაუბროს, განაგრძოს მოსმენა, დაპაუზდეს, ჩაერიოს თუ გამოიყენოს ხელსაწყო. ეს იძლევა უფრო ბუნებრივ დიალოგს, დროის უკეთეს შეგრძნებას და ცოცხალ თარგმანსაც კი.
დელეგირება რთული ამოცანებისთვის
მეორე ცვლილება GPT-Live-ს, რომელიც უწყვეტ ინტერაქციაზეა პასუხისმგებელი, ღრმა სამუშაოსგან მიჯნავს. როცა კითხვა ძებნას, მსჯელობას ან უფრო აგენტურ შესაძლებლობებს მოითხოვს, GPT-Live ამ ამოცანას სხვა მოდელს, მაგალითად GPT-5.5-ს, გადასცემს.
ეს საშუალებას აძლევს მას საუბარი გააგრძელოს მაშინაც, როცა ფონურად რამდენიმე ამოცანას ამუშავებს. იგივე მიდგომა GPT-Live-ს აძლევს საშუალებას მუდმივად გამოიყენოს უახლესი მოდელები და გააერთიანოს წამყვანი მოდელების ინტელექტი ბუნებრივ ინტერაქციასთან.
განახლებული ChatGPT Voice
OpenAI-ის მონაცემებით, ChatGPT-ს Voice-ითა და კარნახით (Dictation) ყოველკვირას 150 მილიონზე მეტი ადამიანი ესაუბრება. ისინი მას იყენებენ ხელების გარეშე ყოველდღიური დახმარებისთვის, ენების სავარჯიშოდ, ზღაპრების მოსასმენად ან უბრალოდ გზაში სასაუბროდ.
დღეიდან, როცა ChatGPT-ში Voice ღილაკს დააჭერთ, საუბარს GPT-Live ამუშავებს. განახლება რამდენიმე მიმართულებით შეიმჩნევა:
- უფრო ბუნებრივი საუბარი: შეგიძლიათ კითხვით ჩაერიოთ, დაპაუზდეთ ან სთხოვოთ ChatGPT-ს, უფრო ნელა ისაუბროს. მოდელი მოკლე რეპლიკებით, მაგალითად “mhmm” ან “got it”, გაცნობებთ, რომ გისმენთ. ChatGPT-ის ცხრა განსხვავებული ხმა ხელახლა დამუშავდა.
- ჭკვიანი პასუხები: ChatGPT Voice-ს ახლა უახლეს მოდელებზე დაყრდნობა შეუძლია. თქვენ თავად ირჩევთ მსჯელობის დონეს – Instant სწრაფი პასუხებისთვის, ან Medium და High, როცა გსურთ, მოდელმა მეტი დრო დაუთმოს დაფიქრებას.
- უკეთესი მოსმენა: თუ ფიქრისთვის პაუზას აიღებთ, ChatGPT Voice ახლა დაელოდება და არ ჩაგერევათ. თუ სთხოვთ, გაჩუმდება. ხმაურის დროსაც უკეთ ფოკუსირდება თქვენს ხმაზე.
- ვიზუალური პასუხები: საუბრის დროს ChatGPT-ს შეუძლია აჩვენოს ვიზუალური ბარათები ისეთი თემებისთვის, როგორიცაა ამინდი, აქციები და სპორტი. Voice ასევე კვლავ უჭერს მხარს ძებნას, მეხსიერებას, სურათებსა და ფაილების ატვირთვას.
GPT-Live vs Advanced Voice Mode
OpenAI-მ ახალი შეფასების მეთოდები შექმნა, რომ გაეზომა, რამდენად სასიამოვნო იყო საუბარი და მისი დინება. პირდაპირ შედარებებში, 5-დან 10 წუთამდე ხანგრძლივ საუბრებში, GPT-Live-1 და GPT-Live-1 mini მკვეთრად სჯობდა Advanced Voice Mode-ს საერთო შთაბეჭდილებით, საუბარში მორიგეობით, ჩარევებითა და დიალოგის ბუნებრიობით.
ტესტებში GPT-Live-1 საგრძნობლად უსწრებდა Advanced Voice Mode-ს რამდენიმე ბენჩმარკზე:
- GPQA: ბიოლოგიის, ქიმიისა და ფიზიკის ექსპერტული დონის სამეცნიერო მსჯელობა.
- BrowseComp: აგენტური ვებ-ძებნა და რთულად მოსაძებნი ინფორმაციის პოვნა.
- τ³-Voice Telecom: ხმოვანი აგენტების შემოწმება რეალურ, მრავალ-ეტაპიან სატელეკომუნიკაციო მხარდაჭერის ამოცანებზე.
უსაფრთხოება ხმოვან რეჟიმზე მორგებული
OpenAI-ის თქმით, GPT Live თავიდანვე უსაფრთხოდ არის შექმნილი. კომპანიამ უსაფრთხოების ტესტირება გააფართოვა და დაამატა აუდიოზე მორგებული შეფასებები ისეთ სფეროებში, როგორიცაა თვითდაზიანება, ფსიქოზი და მანია, ხელოვნურ ინტელექტზე ემოციური დამოკიდებულება, ძალადობა და სექსუალური კონტენტი.
ვინაიდან ხმოვანი საუბარი რეალურ დროში მიმდინარეობს, დაინერგა დაცვის მექანიზმები, რომლებსაც მოქმედება მოდელის საუბრის დროსვე შეუძლიათ. სისტემას შეუძლია მოდელი უფრო უსაფრთხო პასუხისკენ წარმართოს, დამატებითი რესურსები შემოგთავაზოთ, ან უფრო მაღალი რისკის შემთხვევებში საუბარი დაასრულოს.
OpenAI-მ ცალკე დაცვა შეიმუშავა მოზარდი მომხმარებლებისთვის. მშობლებს Parental Controls-ის მეშვეობით შეუძლიათ გადაწყვიტონ, ისარგებლოს თუ არა მათი მოზარდი ChatGPT Voice-ით. კომპანია ასევე აღნიშნავს, რომ GPT Live საუბრისთვისაა შექმნილი და არა ხმის იმიტაციისთვის – ის მხოლოდ წინასწარ განსაზღვრულ ხმებს იყენებს.
ხელმისაწვდომობა და შეზღუდვები
მოდელი ახლა გლობალურად ეშვება ChatGPT-ის მომხმარებლებისთვის iOS-ზე, Android-სა და ChatGPT.com-ზე. GPT-Live-1 გახდება ChatGPT Voice-ის ნაგულისხმევი მოდელი Go, Plus და Pro მომხმარებლებისთვის, GPT-Live-1 mini კი – უფასო მომხმარებლებისთვის.
GPT Live ChatGPT-ის ყველაზე პოპულარულ ენებზეა ოპტიმიზებული. ზოგიერთ ენაზე მას შესაძლოა არამშობლიური აქცენტი ჰქონდეს ან თავისუფლად ვერ საუბრობდეს. OpenAI ამბობს, რომ ამ გამოცდილებას აქტიურად აუმჯობესებს.
გაშვების ეტაპზე GPT-Live ChatGPT-ში ვიდეოთი ან ეკრანის გაზიარებით საუბარს არ უჭერს მხარს, თუმცა კომპანია ამ ფუნქციებზე მუშაობს. ხმოვანი რეჟიმის ძველი ვერსიები – Standard და Advanced Voice Mode – კვლავ ხელმისაწვდომია.
სხვა თემები
კოლექტიური კიბერთავდაცვა: OpenAI-ის ღია წერილი
OpenAI Jalapeño – პირველი შედეგები გამოქვეყნდა
ChatGPT – რა არის, როგორ მუშაობს და რა შეუძლია