OpenAI imezindua GPT-Live, mfululizo mpya wa miundo ya sauti ya ChatGPT inayoweza kusikiliza na kuzungumza kwa wakati mmoja, ikiashiria marekebisho muhimu zaidi ya kampuni ya matumizi yake ya sauti ya mazungumzo hadi sasa. Toleo hili linatumia kile OpenAI inachokielezea kama usanifu wa uwili kamili, unaowaruhusu watumiaji kukatiza, kuzungumza na kuzungumza na msaidizi kwa njia ambayo kampuni inasema inahisi kama simu halisi.
Uzinduzi utawasili pamoja na uchapishaji mpana wa OpenAI wa GPT-5.6 familia ya kielelezo wiki hii, na unawakilisha msukumo wa kufanya habari zinazochipuka za AI kuhusu violesura vya sauti kuhisi kidogo kama kuamuru mashine na zaidi kama kuzungumza na mtu.
Kinachofanya GPT-Live Kuwa Tofauti
Wasaidizi wa sauti wa jadi hufanya kazi katika hali ya nusu-duplex: unasema, kisha unasimama, basi mfumo unashughulikia ombi lako na kujibu. Kuchukua zamu ni ngumu. GPT-Live huvunja muundo huo kwa kuchakata sauti full-duplex, kumaanisha kwamba kielelezo kinaweza kukusikia kikiendelea kuzungumza. Hilo huwezesha ukatizaji wa asili, masahihisho ya sentensi ya kati, na mazungumzo yanayopishana - aina ya wanadamu wanaorudi na kurudi huchukulia kawaida lakini AI za sauti zimetatizika kihistoria.
Kulingana na Reuters, miundo ya GPT-Live husikiliza na kuzungumza kwa wakati mmoja - uwezo ambao umekuwa ukilengwa kwa uga wa sauti wa AI. Mbinu hiyo huondoa usitishaji usio wa kawaida na kulazimisha zamu ambayo imefafanua matoleo ya awali ya modi ya sauti ya ChatGPT.
Maelezo muhimu ya kiufundi: GPT-Live inapokumbana na maswali changamano, hukabidhi yale kwa GPT-5.5 chinichini. Muundo wa sauti hushughulikia mtiririko wa mazungumzo kwa wakati halisi, huku muundo mkubwa wa hoja hufanya kazi kwa kazi ngumu zaidi ya pazia - kisha unalisha jibu tena. Mgawanyo huo wa kazi, kulingana na OpenAI, huboresha sana ubora wa majibu bila kuacha uitikiaji ambao hufanya mazungumzo ya wakati halisi kuhisi ya asili.
Upatikanaji na Bei
OpenAI inasambaza miundo mipya ya sauti katika viwango viwili:
- GPT-Live-1 — muundo kamili, unaopatikana sasa kwa wanaolipa wanaojisajili kwenye ChatGPT (Plus, Pro, na mipango ya Timu).
- GPT-Live-1 mini — toleo dogo na jepesi linalopatikana kwa akaunti za ChatGPT bila malipo.
Uzinduzi huo pia huleta tafuta kwenye wavuti moja kwa moja kwenye mazungumzo ya sauti. Kama Jarida la Injini ya Utafutaji lilivyoripoti, GPT-Live huunganisha utafutaji wa moja kwa moja kwenye sauti ya ChatGPT, ili watumiaji waweze kuuliza kuhusu matukio ya sasa au maelezo yanayobadilika haraka na kupata majibu yanayotegemea matokeo mapya ya wavuti bila kubadili hali.
Soko la AI la Ushindani la Sauti
GPT-Live inatua katika mandhari ya AI ya sauti inayozidi kujaa. Google imekuwa ikisukuma vipengele vyake vya sauti vinavyoendeshwa na Gemini kote kwenye Android na bidhaa yake ya Gemini Live, huku Apple ikiendelea kurekebisha Siri katika miundo mikubwa ya lugha. Anthropic, mpinzani mkuu wa OpenAI, ameangazia juhudi zake za hivi majuzi kwenye uwekaji usimbaji mawakala na mifano ya hoja badala ya sauti.
Mbinu kamili-duplex ndipo tasnia pana inaonekana kuelekea. Kwa kuruhusu kusikiliza na kuongea kwa wakati mmoja, GPT-Live inapunguza muda wa kusubiri na kuondoa malalamiko makubwa zaidi ambayo watumiaji wamekuwa nayo na visaidizi vya sauti: kusubiri. Kukabidhiana kwa GPT-5.5 kwa hoja tata pia ni ishara kwamba OpenAI haioni sauti kama kiolesura kilichotolewa, lakini kama mlango wa mbele wa miundo yake yenye uwezo zaidi.
Kwanini Ni Muhimu
Sauti imekuwa ikichukuliwa kwa miaka kama kiolesura cha pili, kinachoendeshwa na amri - ni nzuri kwa kuweka vipima muda na kuangalia hali ya hewa, ambayo haifai sana kwa mazungumzo mafupi. Madau ya GPT-Live ni kwamba kizuizi hakikuwa akili ya mwanamitindo huyo, bali kiolesura: kulazimisha wanadamu kuzungumza kwa milipuko ya pekee.
Ikiwa mazungumzo ya uwili kamili yanafanya kazi kwa kutegemewa kwa kiwango kikubwa, hubadilisha jinsi watu wanavyowasiliana na AI kwenye simu, kwenye magari, kwenye spika mahiri na hatimaye kwenye vifaa vinavyoweza kuvaliwa. Pia inazua wasiwasi unaojulikana - kuhusu idhini katika vifaa vya kusikiliza kila wakati, kuhusu uhalisia wa sauti za sintetiki, na kuhusu kama mazungumzo ya asili zaidi huwaongoza watumiaji kuamini zaidi majibu ya AI.
OpenAI haijatoa hatua mahususi za usalama za GPT-Live zaidi ya sera zake zilizopo za maudhui, ingawa ujumuishaji wa utafutaji unamaanisha kuwa kielelezo sasa kinaweza kuvuta maelezo ya moja kwa moja kwa sauti ambayo inaweza kuwa vigumu kwa watumiaji kutathmini kwa kina kuliko maandishi wanayoweza kusogeza nyuma.
Nini Kinafuata
Kwa sasa, GPT-Live ni kipengele cha ChatGPT kwanza na bidhaa ya msanidi programu pili. Jaribio la kweli litafikiwa na ufikiaji wa API, wakati programu za wahusika wengine, majukwaa ya huduma kwa wateja na waundaji maunzi wanaweza kuunganisha mazungumzo kamili kwenye bidhaa zao. Hapo ndipo OpenAI itakabiliwa na shinikizo la bei kutoka kwa miundo ya bei nafuu ya sauti ya chanzo huria na kutoka kwa washindani walio na hamu ya kulinganisha kipengele hicho.
Uzinduzi wa wakati mmoja na toleo la umma la GPT-5.6 unapendekeza OpenAI kuona sauti na hoja kama nusu mbili za mkakati sawa: muundo wa nguvu unaofikiria, uliooanishwa na kiolesura kinachokuruhusu kuzungumza nayo kama mwenzako.
Kaa Mbele ya AI
Kwa utangazaji unaoendelea wa matoleo ya miundo, AI ya sauti, na kila kitu kinachounda sekta hii, fuata maendeleo ya hivi punde ya AI katika AI Buzz Wire.
Soma habari zaidi za AI →
