Конец формата рации: как работает GPT-Live?
Новая архитектура поддерживает режим полного дуплекса. Это означает, что искусственный интеллект больше не ждет полной тишины, чтобы начать обработку запроса. Он воспринимает информацию в реальном времени, что позволяет пользователю прерывать систему в любой момент. ИИ мгновенно адаптируется к смене темы или уточнениям, не теряя нити разговора. Об этом сообщает издание Neowin.
Несмотря на то, что предыдущий "Расширенный голосовой режим" (Advanced Voice Mode), представленный в 2024 году, уже предлагал быстрые ответы, технология GPT-Live выводит это взаимодействие на качественно иной уровень стабильности и естественности.
Интеллект нового уровня: от GPT-Realtime до GPT-5.5
Технологическая основа обновления базируется на наработках модели GPT-Realtime-2, которую OpenAI анонсировала ранее. В отличие от первых систем, которые фокусировались преимущественно на скорости преобразования текста в речь, новая итерация привносит в голосовые приложения логику и способность к рассуждению уровня GPT-5. Это позволяет ChatGPT выполнять сложные многоэтапные задачи и надежно поддерживать длительные разговоры, сохраняя естественный темп речи.
Для обеспечения глубины ответов GPT-Live использует мощности самых современных моделей компании. На данном этапе за сложные рассуждения и поиск информации в сети "за кулисами" отвечает модель GPT-5.5. Это позволяет ассистенту не просто поддерживать беседу, но и давать аргументированные ответы на вопросы, требующие глубокого анализа или проверки фактов в реальном времени.
Кроме того, разработчики намекнули на релиз еще более мощной версии GPT-5.6, который должен состояться в ближайшее время, пишет 9to5Mac.
Одной из самых интересных особенностей GPT-Live является способность к невербальному поддержанию диалога. Модель научили выдавать короткие подтверждения, такие как "окей" или "угу", когда пользователь делает паузу или замедляется, но еще не закончил мысль.
ИИ также научился делать паузу и молчать, если чувствует, что человеку нужно время, чтобы сформулировать предложение. Такие мелкие детали делают опыт использования менее похожим на работу с программой и более – на разговор с ассистентом-человеком.
Доступность для всех: от CarPlay до бесплатных аккаунтов
OpenAI внедряет обновление сразу в двух вариантах:
- GPT-Live-1 и GPT-Live-1 mini. Пользователи с подписками Plus, Pro, а также корпоративные клиенты плана ChatGPT Go получат доступ к полнофункциональной модели первого уровня.
- Для тех, кто пользуется сервисом бесплатно, предусмотрена версия mini, которая также предлагает новые голосовые возможности, но с определенными ограничениями в мощности обработки сложных запросов.
Помимо технических улучшений модели, OpenAI существенно расширила экосистему использования ChatGPT Voice. Одним из ключевых нововведений стала полноценная поддержка Apple CarPlay. Это позволяет водителям безопасно взаимодействовать с ИИ во время движения, используя естественную речь для навигации, работы с почтой или просто для получения справок, не отвлекаясь от дороги.
Новые модели также становятся доступными через API для сторонних разработчиков и крупных предприятий. Это означает, что в ближайшее время мы увидим появление нового поколения голосовых агентов в сервисах поддержки клиентов, образовательных приложениях и навигационных системах, которые смогут вести полноценный диалог, понимать эмоциональный контекст и работать без технических сбоев.