Az OpenAI igyekszik nyeregben maradni és megőrizni a vezető helyét az egyre kiélezettebb mesterséges intelligencia versenyben. A vállalat most előrukkolt egy olyan modellel, ami jelentősen átalakítja majd a ChatGPT Hang működését, sokkal közvetlenebb társalgásra lesz már képes a rendszer “full-duplex” formában is.

Az új modell a GPT-Live névre hallgat, ez alatt két variáns, a GPT-Live-1 és a GPT-Live-1 mini kerül bevezetésre első körben. A full-duplex működés révén lesz igazán emberi a társalgás a mesterséges intelligenciával, hiszen már nemcsak beszélni vagy hallgatni lesz képes innentől, hanem egyszerre mondja a magáét, és hallgatja a felhasználó reakcióit. Az emberi viselkedése számos más dologban is meg fog mutatkozni.

A fejlesztők már arról is gondoskodnak, hogy a Hang mód a beszélgetés közben biztosítani fogja a felhasználókat a folyamatos jelenlétéről, figyelméről azzal, hogy a hallgatás közben néha el fog ejteni egy “igen” vagy éppen egy “hmm” hangot – pont mint az emberek. Érdekesség az is, hogy bár a gyors kommunikációra lett fejlesztve, így minden eddiginél hamarabb fog válaszolni a kérdésekre, még azt is fel tudja ismerni, mikor nem kell megszólalnia. Mikor az ember egy pillanatra megáll a mondat közben gondolkodni, mert nem jut eszébe a megfelelő szó, a ChatGPT türelmesen vár majd. 

Ugyanígy a ChatGPT Hang is képes lesz menet közben elgondolkodni, mivel a beszéd- és a tudásközpont a háttérben elválik. A mélyebb információkat, összetettebb kérdéseket a rendszer úgy fogja megválaszolni, hogy a GPT-Live modell a feladatot továbbítja a cég legfejlettebb GPT-5.5 modelljének, az kidolgozza a “megoldást”, majd az eredményt visszaadja a GPT-Live modellnek, ami pedig a Hang móddal tájékoztatja az embert.

“Ezek a fejlesztések egy új ChatGPT Hang-élményt nyújtanak, amely intelligensebb és természetesebb használatot tesz lehetővé. Úgy gondoljuk, hogy idővel ez a kutatás azt is lehetővé teszi majd, hogy a Hang módot egyre összetettebb, hosszabb ideig futó és ágens munkára használjuk.” – emelte ki az OpenAI.

Az OpenAI folyamatosan azon van, hogy a mesterséges intelligenciával való társalgást valóban emberivé formálja, és a GPT-Live modell bevezetése egy komoly lépés ebbe az irányba. Jobb lett a zajszűrése is a rendszernek, a háttérben zajló emberi beszélgetéseket már képes kizárni, és csak a tulajdonosa hangjára fókuszálni. Vizuálisan is fejlődött a működése, számos információs kártyát mutathat fel.

A cég elmondása alapján a Hang módot és a diktálási lehetőséget már 150 millió ember használja heti szinten, és abban bíznak, hogy a GPT-Live modell egy újabb lökést ad majd ennek. Végül azt is hozzátette a cég, hogy a megfelelő védelmi mechanizmusok itt is dolgozni fognak a háttérben, hogy a Hang mód használata biztonságos legyen minden szempontból. Nem fog visszaélni érzékeny adatokkal, nem segít visszaélések elkövetésében, és a fiatalkorúaknak adott válaszaiban különösen körültekintő lesz.

A GPT-Live modell nemzetközi szinten elérhető lett az iOS, az Android és a webes környezet keretében egyaránt. Akár ingyen is próbára lehet tenni, ebben az esetben a GPT-Live-1 mini felel a felhasználó kérdéseire alapértelmezetten, a GPT-Live-1 pedig minden előfizető számára biztosított lesz, kezdve egészen a ChatGPT Go csomagtól a Pluson át a Pro opcióig. Tervben van az API elérés biztosítása is, de ez most még nem valósult meg, a fejlesztőknek várniuk kell.