OpenAI bu gün GPT-Live-1 və GPT-Live-1 mini adlı yeni söhbət modellərini təqdim edib. Şirkət modellərin daha təbii səsləndiyini və növbə dəyişməsini daha yaxşı idarə etdiyini bildirib. Bu tam-dupleks modellər eyni vaxtda danışmaq və dinləmək bacarığına malikdir, beləliklə istifadəçilər təbii şəkildə müdaxilə edə bilirlər və canlı tərcümə kimi funksiyalar mümkün olur.

Şirkət mövcud Advanced Voice Mode-u ChatGPT-də standart olaraq GPT-Live-1 mini ilə əvəz edir. Ödənişli istifadəçilər isə daha geniş GPT-Live-1 modelinə çıxış əldə edəcəklər. Əvvəlki model nitqi mətnə çevirən, cavab hazırlayan böyük dil modeli və mətn-nitq modelini birləşdirirdi.

Mətbuat konfransında şirkət deyib ki, yeni modellər danışan istifadəçilərə müdaxilə etməmək və suallara yetərincə ağıllı cavab vermək kimi problemləri həll edir. Yeni modellər sorğunu GPT-5.5 kimi son mətndəki modellərə ötürəcək və axtarış, məntiq və agent qabiliyyətləri ilə söhbəti davam etdirəcək.

OpenAI modeli uzun müddət səssiz qalıb söhbətin kontekstini yadda saxlamaq qabiliyyətinə malik olduğunu göstərib. Yeni səs rejimi daha yeni GPT modellərinə çıxış verdiyindən bəzi məlumatları vizual formada təqdim edə bilir. Monogram kimi digər startaplar DST və Lux Capital-dən 40 milyon dollar toxum investisiyası alaraq assistentləri daha interaktiv etmək üçün vizual cavablara yönəlir.

Şirkətin sözlərinə görə, ChatGPT-də yeni səs rejimi daha uzun söhbətlər üçün nəzərdə tutulub. Təqdimatda ChatGPT Voice məhsul rəhbəri Atti Eleti bildirib ki, gəzintilərdə səs funksiyası ilə 30-40 dəqiqəlik söhbətlər aparıb.

OpenAI hesab edir ki, səs mürəkkəb işlərdə əsas istifadəçi interfeysi ola bilər. Hesabatlar göstərir ki, şirkət bu il süni intellektlə təchiz olunmuş qulaqcıqlar təqdim edə bilər. Lakin şirkət hələ hardware məhsulları barədə məlumat verməyib.

Atti Eleti deyib: "Zamanla hesab edirik ki, səs hesablama üçün əsas interfeysə çevriləcək və getdikcə mürəkkəb, uzunmüddətli agent işlərinə nəzarət etməyə imkan verəcək. İnsanların Codex və ChatGPT-dən istifadə edərək həyata keçirdiyi möhtəşəm işləri nəzərə alsaq, düşünürük ki, səs gələcəkdə bütün işlər üçün əsas interfeys olacaq".

Son illərdə OpenAI ChatGPT-nin səs rejimini daha təbii etmək üçün səs əsaslı funksiyalar üzərində işləyib. Şirkət bildirib ki, 150 milyondan çox istifadəçi Voice və Dictation kimi funksiyalar vasitəsilə ChatGPT ilə danışır.

Rəqiblər də assistentləri daha ifadəli etmək üçün çalışır. Həm Apple, həm də Amazon öz assistentlərini yaxşı kontekst idarəsi ilə daha söhbətəqabiliyyətli edib. Oculus-un həmtəsisçisi Brendan İribe və Ankit Kumar tərəfindən qurulan Sesame kimi startaplar isə fon tapşırıqları yerinə yetirərkən daha təbii söhbət edən süni intellekt assistentləri təqdim edib.

OpenAI də istifadəçilərin əllərini istifadə etmədən uzun müddət assistentlə danışmasına imkan yaratmağı hədəfləyir. Yeni səs rejiminin təbii səsləndiyi iddia edilsə də, şirkət bunu süni intellekt yoldaşı yaratmaq məqsədi kimi görmür. Yeni modellər yeniyetmələrə yaşlarına uyğun cavablar verir, zərərli mövzularda isə resurslar təqdim edir.

Yeni səs rejimi hələ təkmilləşdirilməlidir. Demo zamanı hind dilində canlı tərcümə nümayiş etdirilərkən asistentin güclü Amerika ləhcəsi vardı və hind dili təbiiliyi çatışmırdı, daha çox kitab üslubunda idi. Şirkət yeni rejimin "ən çox danışılan dillər" üçün optimallaşdırıldığını bildirib, lakin həmin dilləri açıqlamayıb.