Το OpenAI κυκλοφόρησε το GPT-Live, μια νέα σειρά μοντέλων φωνής για το ChatGPT που μπορεί να ακούει και να μιλά ταυτόχρονα, σηματοδοτώντας την πιο σημαντική αναμόρφωση της εταιρείας στην εμπειρία συνομιλίας της μέχρι σήμερα. Η έκδοση χρησιμοποιεί αυτό που περιγράφει το OpenAI ως αρχιτεκτονική full-duplex, επιτρέποντας στους χρήστες να διακόπτουν, να συζητούν και να συνομιλούν με τον βοηθό με τρόπο που η εταιρεία λέει ότι μοιάζει με πραγματικό τηλεφώνημα.

Η κυκλοφορία έρχεται παράλληλα με την ευρύτερη κυκλοφορία του OpenAI της οικογένειας μοντέλων GPT-5.6 αυτή την εβδομάδα και αντιπροσωπεύει μια ώθηση ώστε οι [έκλυτες ειδήσεις AI] (https://aibuzzwire.news) σχετικά με τις φωνητικές διεπαφές να αισθάνονται λιγότερο σαν να δίνετε εντολή σε μια μηχανή και περισσότερο σαν συνομιλία με ένα άτομο.

Τι κάνει το GPT-Live διαφορετικό

Οι παραδοσιακοί βοηθοί φωνής λειτουργούν σε λειτουργία half-duplex: μιλάτε, μετά σταματάτε και, στη συνέχεια, το σύστημα επεξεργάζεται το αίτημά σας και απαντά. Το στρίψιμο είναι άκαμπτο. Το GPT-Live καταρρίπτει αυτό το μοτίβο με full-duplex επεξεργασία ήχου, που σημαίνει ότι το μοντέλο μπορεί να σας ακούσει ενώ ακόμα μιλάει. Αυτό επιτρέπει φυσικές διακοπές, διορθώσεις στη μέση της πρότασης και αλληλοεπικαλυπτόμενες συνομιλίες - το είδος των ανθρώπων που έρχονται πίσω-πίσω θεωρούν δεδομένο, αλλά οι τεχνητές νοημοσύνης φωνής έχουν παλέψει ιστορικά.

Σύμφωνα με το Reuters, τα μοντέλα GPT-Live ακούν και μιλούν ταυτόχρονα — μια ικανότητα που αποτελεί εδώ και καιρό στόχο για το πεδίο φωνητικής τεχνητής νοημοσύνης. Η προσέγγιση καταργεί τις άβολες παύσεις και την αναγκαστική στροφή που έχουν ορίσει προηγούμενες εκδόσεις της λειτουργίας φωνής του ChatGPT.

Μια αξιοσημείωτη τεχνική λεπτομέρεια: όταν το GPT-Live αντιμετωπίζει περίπλοκες ερωτήσεις, τις παραδίδει στο GPT-5.5 στο παρασκήνιο. Το φωνητικό μοντέλο χειρίζεται τη ροή συνομιλίας σε πραγματικό χρόνο, ενώ ένα μεγαλύτερο μοντέλο συλλογισμού λειτουργεί σε πιο δύσκολες εργασίες στα παρασκήνια — στη συνέχεια τροφοδοτεί την απάντηση. Αυτός ο καταμερισμός εργασίας, σύμφωνα με το OpenAI, βελτιώνει δραστικά την ποιότητα απόκρισης χωρίς να θυσιάζεται η ανταπόκριση που κάνει τη συνομιλία σε πραγματικό χρόνο να φαίνεται φυσική.

Διαθεσιμότητα και τιμολόγηση

Το OpenAI παρουσιάζει τα νέα μοντέλα φωνής σε δύο επίπεδα:

  • GPT-Live-1 — το πλήρες μοντέλο, διαθέσιμο τώρα σε συνδρομητές ChatGPT που πληρώνουν (πακέτα Plus, Pro και Team).
  • GPT-Live-1 mini — μια μικρότερη, ελαφρύτερη έκδοση διαθέσιμη σε δωρεάν λογαριασμούς ChatGPT.

Η πρόσβαση API έρχεται σύντομα, είπε η OpenAI, η οποία θα επιτρέψει στους προγραμματιστές να ενσωματώσουν φωνή full-duplex στις δικές τους εφαρμογές. Η εταιρεία δεν έχει ακόμη δημοσιεύσει λεπτομερή τιμολόγηση για το API.

Η εκκίνηση φέρνει επίσης την αναζήτηση ιστού απευθείας στη φωνητική συνομιλία. Όπως ανέφερε το Search Engine Journal, το GPT-Live ενσωματώνει τη ζωντανή αναζήτηση στη φωνή ChatGPT, ώστε οι χρήστες να μπορούν να ρωτούν για τρέχοντα συμβάντα ή πληροφορίες που αλλάζουν γρήγορα και να λαμβάνουν απαντήσεις βασισμένες σε νέα αποτελέσματα ιστού χωρίς εναλλαγή λειτουργιών.

Μια ανταγωνιστική αγορά τεχνητής νοημοσύνης φωνής

Το GPT-Live προσγειώνεται σε ένα ολοένα και πιο γεμάτο φωνητικό τοπίο AI. Η Google προωθεί τις λειτουργίες φωνής που υποστηρίζονται από Gemini στο Android και στο προϊόν Gemini Live, ενώ η Apple συνεχίζει να επεξεργάζεται ξανά το Siri γύρω από μοντέλα μεγάλων γλωσσών. Η Anthropic, ο κύριος αντίπαλος του OpenAI, έχει επικεντρώσει τις πρόσφατες προσπάθειές της σε μοντέλα κωδικοποίησης και συλλογισμού πρακτόρων και όχι φωνής.

Η πλήρους αμφίδρομης προσέγγιση είναι εκεί που φαίνεται να κατευθύνεται η ευρύτερη βιομηχανία. Επιτρέποντας την ταυτόχρονη ακρόαση και ομιλία, το GPT-Live μειώνει τον λανθάνοντα χρόνο και αφαιρεί το μοναδικό μεγαλύτερο παράπονο που είχαν οι χρήστες με τους βοηθούς φωνής: την αναμονή. Η μεταβίβαση στο GPT-5.5 για σύνθετα ερωτήματα είναι επίσης ένα σημάδι ότι το OpenAI βλέπει τη φωνή όχι ως απογυμνωμένη διεπαφή, αλλά ως μπροστινή πόρτα στα πιο ικανά μοντέλα του.

Γιατί έχει σημασία

Η φωνή αντιμετωπίζεται εδώ και χρόνια ως δευτερεύουσα διεπαφή που βασίζεται σε εντολές — καλή για τη ρύθμιση χρονοδιακόπτη και τον έλεγχο του καιρού, λιγότερο χρήσιμη για λεπτές συνομιλίες. Το στοίχημα του GPT-Live είναι ότι το σημείο συμφόρησης δεν ήταν ποτέ η ευφυΐα του μοντέλου, αλλά η διεπαφή: αναγκάζοντας τους ανθρώπους να μιλούν σε μεμονωμένες εκρήξεις.

Εάν η συνομιλία full-duplex λειτουργεί αξιόπιστα σε κλίμακα, αλλάζει τον τρόπο με τον οποίο οι άνθρωποι αλληλεπιδρούν με την τεχνητή νοημοσύνη σε τηλέφωνα, σε αυτοκίνητα, σε έξυπνα ηχεία και τελικά σε φορητές συσκευές. Εγείρει επίσης γνωστές ανησυχίες - σχετικά με τη συναίνεση σε συσκευές που ακούνε πάντα, για τον ρεαλισμό των συνθετικών φωνών και για το αν η πιο φυσική συνομιλία οδηγεί τους χρήστες να εμπιστεύονται υπερβολικά τις απαντήσεις ενός AI.

Το OpenAI δεν έχει λεπτομερή συγκεκριμένα μέτρα ασφαλείας για το GPT-Live πέρα ​​από τις υπάρχουσες πολιτικές περιεχομένου του, αν και η ενσωμάτωση αναζήτησης σημαίνει ότι το μοντέλο μπορεί πλέον να αντλεί ζωντανές πληροφορίες σε μια φωνή που μπορεί να είναι πιο δύσκολο για τους χρήστες να αξιολογήσουν κριτικά από το κείμενο στο οποίο μπορούν να μετακινηθούν προς τα πίσω.

Τι ακολουθεί

Προς το παρόν, το GPT-Live είναι πρώτα μια δυνατότητα ChatGPT και μετά ένα προϊόν προγραμματιστή. Η πραγματική δοκιμή θα φτάσει με την πρόσβαση API, όταν οι εφαρμογές τρίτων, οι πλατφόρμες εξυπηρέτησης πελατών και οι κατασκευαστές υλικού μπορούν να συνδέσουν τη συνομιλία full-duplex στα δικά τους προϊόντα. Τότε είναι επίσης όταν το OpenAI θα αντιμετωπίσει πίεση τιμολόγησης από φθηνότερα μοντέλα φωνής ανοιχτού κώδικα και από ανταγωνιστές που θέλουν να ταιριάξουν με το χαρακτηριστικό.

Η ταυτόχρονη κυκλοφορία με τη δημόσια κυκλοφορία του GPT-5.6 υποδηλώνει ότι το OpenAI βλέπει τη φωνή και τη λογική ως δύο μισά της ίδιας στρατηγικής: ένα ισχυρό μοντέλο που σκέφτεται, σε συνδυασμό με μια διεπαφή που σας επιτρέπει να μιλάτε μαζί του σαν συνάδελφος.

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Για συνεχή κάλυψη των κυκλοφοριών μοντέλων, της φωνητικής τεχνητής νοημοσύνης και όλων όσων διαμορφώνουν τη βιομηχανία, ακολουθήστε τις τελευταίες εξελίξεις AI στο AI Buzz Wire.

Διαβάστε περισσότερα νέα AI →