OpenAI spustila GPT-Live, novou řadu hlasových modelů pro ChatGPT, které dokážou poslouchat a mluvit současně, což představuje dosud nejvýznamnější přepracování konverzačního hlasového zážitku společnosti. Tato verze využívá to, co OpenAI popisuje jako plně duplexní architekturu, která uživatelům umožňuje přerušit, mluvit a konverzovat s asistentem způsobem, který společnost říká, že to vypadá jako skutečný telefonní hovor.

Uvedení na trh přichází společně s širším uvedením OpenAI do rodiny modelů GPT-5.6 tento týden a představuje tlak na to, aby se nejnovější zprávy o AI o hlasových rozhraních cítili méně jako ovládání stroje a spíše jako chatování s osobou.

Čím se GPT-Live liší

Tradiční hlasoví asistenti pracují v poloduplexním režimu: mluvíte, pak se zastavíte, poté systém zpracuje váš požadavek a odpoví. Zatáčení je tuhé. GPT-Live ruší tento vzorec plným duplexním zpracováním zvuku, což znamená, že vás model slyší, zatímco stále mluví. To umožňuje přirozené vyrušování, opravy uprostřed vět a překrývající se konverzace – takový, jaký lidé považují za samozřejmost, ale hlasové umělé inteligence se s ním historicky potýkaly.

Podle Reuters modely GPT-Live poslouchají a mluví současně – což je schopnost, která je již dlouho cílem v oblasti hlasové umělé inteligence. Tento přístup odstraňuje nepříjemné pauzy a nucené odbočování, které definovaly dřívější verze hlasového režimu ChatGPT.

Pozoruhodný technický detail: když GPT-Live narazí na složité otázky, předá je na pozadí GPT-5.5. Hlasový model zpracovává tok konverzace v reálném čase, zatímco větší model uvažování pracuje na těžších úkolech v zákulisí – poté poskytuje odpověď. Tato dělba práce podle OpenAI drasticky zlepšuje kvalitu odezvy, aniž by byla obětována odezva, díky níž je konverzace v reálném čase přirozená.

Dostupnost a cena

OpenAI zavádí nové hlasové modely ve dvou úrovních:

  • GPT-Live-1 – úplný model, nyní dostupný pro platící předplatitele ChatGPT (plány Plus, Pro a Team).
  • GPT-Live-1 mini – menší, odlehčená verze dostupná pro bezplatné účty ChatGPT.

OpenAI řekl, že přístup k API bude brzy k dispozici, což vývojářům umožní zabudovat plně duplexní hlas do svých vlastních aplikací. Společnost zatím nezveřejnila podrobné ceny pro API.

Spuštění také přináší vyhledávání na webu přímo do hlasové konverzace. Jak uvedl Search Engine Journal, GPT-Live integruje živé vyhledávání do hlasu ChatGPT, takže uživatelé se mohou ptát na aktuální události nebo rychle se měnící informace a získat odpovědi založené na čerstvých výsledcích webu bez přepínání režimů.

Konkurenční trh hlasové umělé inteligence

GPT-Live přistává ve stále přeplněnějším prostředí hlasové umělé inteligence. Google prosazuje své hlasové funkce poháněné Gemini napříč Androidem a svým produktem Gemini Live, zatímco Apple pokračuje v přepracování Siri kolem velkých jazykových modelů. Anthropic, hlavní rival OpenAI, zaměřil své nedávné úsilí na agentní kódování a modely uvažování spíše než na hlas.

Zdá se, že širší průmysl směřuje k plně duplexnímu přístupu. Tím, že umožňuje simultánní poslech a mluvení, GPT-Live snižuje latenci a odstraňuje největší stížnosti uživatelů na hlasové asistenty: čekání. Přechod na GPT-5.5 pro složité dotazy je také signálem, že OpenAI nepovažuje hlas za okleštěné rozhraní, ale jako vstupní dveře ke svým nejschopnějším modelům.

Proč na tom záleží

S hlasem se po léta zachází jako se sekundárním rozhraním řízeným příkazy – dobré pro nastavení časovačů a kontrolu počasí, méně užitečné pro konverzaci s nuancemi. Sázka GPT-Live spočívá v tom, že úzkým hrdlem nikdy nebyla inteligence modelu, ale rozhraní: nucení lidí mluvit v izolovaných dávkách.

Pokud plně duplexní konverzace funguje spolehlivě v měřítku, změní to způsob interakce lidí s umělou inteligencí na telefonech, v autech, na chytrých reproduktorech a nakonec na nositelných zařízeních. Vyvolává také známé obavy – ohledně souhlasu v zařízeních, která neustále naslouchají, ohledně realismu syntetických hlasů a ohledně toho, zda přirozenější konverzace nevede uživatele k přílišné důvěře v odpovědi AI.

OpenAI neuvádí konkrétní bezpečnostní opatření pro GPT-Live nad rámec svých stávajících obsahových zásad, i když integrace vyhledávání znamená, že model nyní dokáže přenést živé informace do hlasu, který může být pro uživatele obtížnější kriticky vyhodnotit než text, kterým mohou procházet zpět.

Co přijde dál

Prozatím je GPT-Live nejprve funkcí ChatGPT a až poté vývojářským produktem. Skutečný test přijde s přístupem k API, kdy aplikace třetích stran, platformy zákaznických služeb a výrobci hardwaru mohou zapojit plně duplexní konverzaci do svých vlastních produktů. Tehdy bude OpenAI čelit cenovému tlaku ze strany levnějších open source hlasových modelů a konkurentů, kteří se chtějí této funkci vyrovnat.

Současné spuštění s veřejnou verzí GPT-5.6 naznačuje, že OpenAI vidí hlas a uvažování jako dvě poloviny stejné strategie: výkonný model, který myslí, spárovaný s rozhraním, které vám umožní s ním mluvit jako s kolegou.

Udržujte si náskok před umělou inteligencí

Pro nepřetržité pokrytí modelových verzí, hlasové umělé inteligence a všeho, co utváří toto odvětví, sledujte nejnovější vývoj umělé inteligence na AI Buzz Wire.

Přečtěte si další zprávy o AI →