Tutvustame GPT‑Live’i

Toome turule GPT‑Live’i, uue põlvkonna häälmudelid, mis muudavad tehisintellektiga rääkimise palju sarnasemaks päris vestlusega.

GPT‑Live põhineb täisdupleksarhitektuuril, mis tähendab, et see saab samal ajal kuulata ja rääkida. Vestluste ajal saab GPT‑Live näidata, et ta kuulab, kasutades väljendeid nagu „mhmm“ või „jah“, pidada kiiret dialoogi või lihtsalt vaikida, kui vajad hetke mõtlemiseks. Tulemuseks on häälekogemus, millega on värskendavalt lihtne rääkida.

GPT‑Live on ka meie seni nutikaim häälmudel. Küsimuste puhul, mis nõuavad veebiotsingut, sügavamat arutlust või keerukamat tööd, suunab see ülesande taustal meie uusimale tipptasemel mudelile ja toob tulemuse vestlusse tagasi, kui see on valmis. Töötamise ajal saab GPT‑Live sinuga edasi rääkida ja vestluse kulgu hoida. Lansseerimisel kasutab GPT‑Live taustal GPT‑5.5. Kui avaldame uusi tipptasemel mudeleid, uuendame pidevalt mudelit, mida GPT‑Live kasutab.

Need edusammud annavad jõu uuele ChatGPT Voice’i kogemusele, mida on intelligentsem ja loomulikum kasutada. Usume, et aja jooksul avab see uurimistöö võimaluse kasutada häält järjest keerukamaks, pikemalt kestvaks ja agentsemaks tööks.

Alustame täna kahe GPT‑Live’i versiooni – GPT‑Live‑1 ja GPT‑Live‑1 mini – kasutuselevõttu ChatGPT kasutajatele üle maailma. Plaanime need peagi tuua ka API-sse ning arendajad ja ettevõtted saavad teavituse saamiseks registreeruda selle vormi⁠ kaudu.

Meie visioon on võimaldada tõeliselt loomulikku inimese ja tehisintellekti suhtlust: maailma, kus koostöö tehisintellektiga tundub sama sujuv ja reageeriv nagu töö teise inimesega, samal ajal kui arutlus ja keerukate ülesannete täitmine toimuvad märkamatult taustal.

Varasemad hääl-AI süsteemide põlvkonnad viisid meid sellele visioonile lähemale, kuid oluliste kompromissidega.

Kaskaadsed häälsüsteemid tuginevad mudelite jadale, mis töötlevad iga vooru üksteise järel. Algne ChatGPT Voice ühendas ahelasse kolm mudelit: kõnest tekstiks mudeli sinu kõne transkribeerimiseks, suure keelemudeli vastuse loomiseks ja tekstist kõneks mudeli selle taas kõneks teisendamiseks. See lähenemine võimaldas meil esimest korda tipptasemel AI mudelitega rääkida, kuid keerukusel oli oma hind: teave võis mudelite vahel kaduma minna ning vastused olid aeglased ja puiselt esitatud.

Voorupõhised häälmudelid, nagu ChatGPT täiustatud häälrežiim, töötlesid ja genereerisid heli ühes mudelis, vähendades viiteaega ja muutes vestlused sujuvamaks — kuid need toimisid siiski eraldi voorudena. Mudel pidi enne vastamist ootama, kuni kasutaja lõpetab rääkimise, mistõttu dialoog muutus jäigaks edasi-tagasi suhtluseks. Lisaks, kuna vooru tuvastamine põhineb vaikusel, võis isegi lühikest pausi või taustamüra ekslikult tõlgendada vooru lõpuna — mistõttu mudel katkestas ebaloomulikel hetkedel.

GPT‑Live lahendab need piirangud kahe arhitektuurimuudatuse abil.

Esiteks ehitasime GPT‑Live’i pidevaks suhtluseks, kasutades täisdupleksarhitektuuri. Selle asemel et töödelda eraldi sõnumite jada, töötleb GPT‑Live sisendit pidevalt, samal ajal väljundit genereerides. Seetõttu saab mudel teha suhtlusotsuseid mitu korda sekundis: kas rääkida, jätkata kuulamist, teha paus, katkestada või kutsuda tööriist välja.

See võimaldab mudelil pidada loomulikumat dialoogi, hoida paremat ajataju ja teha isegi reaalajas tõlget.

Teiseks eraldasime GPT‑Live’i, mis tegeleb pideva suhtlusega, sügavamast tööst. Kui küsimus nõuab otsingut, arutlust või agentsemaid võimeid, saab GPT‑Live delegeerida ülesande teisele mudelile, näiteks GPT‑5.5‑le. See võimaldab tal vestlust jätkata isegi siis, kui ta tegeleb taustal mitme ülesandega.

See arhitektuurimuudatus võimaldab GPT‑Live’il ka pidevalt kasutada uusimaid mudeleid ja agente, ühendades tipptasemel intelligentsuse loomuliku suhtlusega.

Lõime uued inimhindamised, et mõõta meeldivust ja vestluse sujuvust. Nendes otsestes võrdlustes eelistatakse GPT‑Live‑1 ja GPT‑Live‑1 mini sobitatud 5–10-minutilistes vestlustes selgelt täiustatud häälrežiimile; mõõdetakse üldist eelistust, vooruvahetust, katkestusi, vestlusvoogu ja seda, kui loomulikuna iga suhtlus tundus.

• GPQA: GPT‑Live‑1 edestab GPQA-s märkimisväärselt täiustatud häälrežiimi; GPQA testib eksperditasemel teaduslikku arutlust bioloogias, keemias ja füüsikas.
• BrowseComp: GPT‑Live‑1 näitab BrowseCompis suuri edusamme võrreldes täiustatud häälrežiimiga; BrowseComp testib agentset veebiotsingut ja raskesti leitava teabe leidmise võimet.
• τ³-Voice Telecom**: GPT‑Live‑1 edestab täiustatud häälrežiimi testis τ³-Voice Telecom, mis hindab häälagente realistlikes, mitme vooruga telekomi tugiteenuse ülesannetes.

Igal nädalal räägib ChatGPT‑ga enam kui 150 miljonit inimest, kasutades selliseid funktsioone nagu Voice ja Dictation. Nad kasutavad seda igapäevaseks käed-vabad abiks, keelte harjutamiseks, unejuttude rääkimiseks või lihtsalt töölesõidu ajal vestlemiseks.

Alates tänasest saad ChatGPT‑ga rääkimiseks Voice’i nuppu puudutades täiustatud kogemuse, mille taga on GPT‑Live: loomulikumad vestlused, nutikamad vastused, parem kuulamine ja visuaalsed vastused.

ChatGPT‑ga rääkimine peaks nüüd tunduma palju rohkem päris vestlusena. Saad küsimusega vahele segada, mõtete kogumiseks pausi teha või paluda ChatGPT‑l aeglasemalt rääkida. See annab loomulikult märku, et kuulab, kasutades väljendeid nagu „mhmm“ või „sain aru“, nii et tead, et ta on jutuga kaasas. Oleme GPT‑Live’i jaoks uuesti viimistlenud ka ChatGPT üheksa eristuvat häält.

ChatGPT Voice saab nüüd kasutada meie uusimaid tipptasemel mudeleid, pakkudes sulle vajaduse korral nutikamaid vastuseid. Saad valida ka oma vajadustele sobiva arutluse taseme: Instant kiirete vastuste jaoks või Medium ja High siis, kui soovid, et ChatGPT mõtleks kauem.

Kui vajad hetke mõtlemiseks, siis ChatGPT Voice ootab nüüd, selle asemel et vahele hüpata ja katkestada. Kui palud tal vaikida ja kuulata, teeb ta seda. Ja kui taustal on müra, näiteks mööduv liiklus või läheduses toimuvad vestlused, suudab ChatGPT paremini keskenduda sinu häälele ega lase end nii kergesti segada.

Mõned vastused on kasulikumad siis, kui saad neid näha. Rääkimise ajal saab ChatGPT nüüd kuvada rikkalikke visuaalseid kaarte ilma, aktsiate, spordi ja muude teemade kohta. Voice toetab jätkuvalt ka otsingut, mälu, pilte ja failide üleslaadimist.

Tulemuseks on ChatGPT Voice’i kogemus, mis tundub igapäevaelus loomulikum, võimekam ja kasulikum.

GPT‑Live loodi vaikimisi ohutuks. See põhineb meie uusimate mudelite ohutusalastel edusammudel ning lisab spetsiaalse ohutuskoolituse peamistes riskivaldkondades ja uued kaitsemeetmed, mis on loodud just hääle jaoks.

Et paremini kajastada seda, kuidas inimesed päriselus häält kasutavad, alustasime ohutustestimise laiendamisest uute, helile omaste hindamistega. Lõime ka sünteetilised hindamised, mis kasutavad genereeritud heli, et keskenduda põhjalikumalt peamistele ohutusvaldkondadele, tuginedes täiustatud häälrežiimist õpitule. Nende valdkondade hulka kuuluvad enesevigastamine, psühhoos ja maania, emotsionaalne sõltuvus tehisintellektist, vägivald ja seksuaalne sisu. Siseeksperdid tegid mudelile ka lööktestimist häälele ainuomaste riskide suhtes.

Meie testides toimis GPT‑Live peaaegu kõigis hinnatud valdkondades sama hästi või paremini kui täiustatud häälrežiim. Meie testimise ja kaitsemeetmete kohta saad lähemalt lugeda GPT‑Live’i süsteemikaardilt⁠(avaneb uues aknas).

Kuna häälvestlused toimuvad reaalajas, lõime ka kaitsemeetmed, mis saavad tegutseda ajal, mil mudel räägib. Kui süsteem tuvastab potentsiaalselt ohtliku väljundi, saab see suunata mudeli ohutuma vastuse poole, kuvada täiendavaid ohutussõnumeid või -ressursse või suurema riskiga juhtudel häälvestluse lõpetada. Enesevigastamisega seotud vestluste jaoks kohandasime ChatGPT tugivooge hääle jaoks, sealhulgas pakkudes ekspertide kontrollitud kriisiabiliinide tuge.

Töötasime teismeliste kasutajate toetamiseks välja täiendavad kaitsemeetmed ning treenisime mudelisse otse eakohase käitumise, et vähendada sobimatute vastuste riski. Vanemad saavad vanemliku järelevalve kaudu valida, kas nende teismeline võib ChatGPT Voice’i kasutada, ning seotud vanemaid võidakse teavitada suurema riskiga olukordades, mis viitavad võimalikule enesevigastamisele või suitsiidikavatsusele.

Samuti võtame kasutusele pikaajalisema mõõtmise ja lansseerimisjärgse seire, mis keskendub emotsionaalsele sõltuvusele, et oma arusaama edasi parandada ja kaitsemeetmeid täpsustada. Tuginedes meie varasemale uurimistööle afektiivse kasutuse ja emotsionaalse heaolu kohta, aitab see meil tuvastada esilekerkivaid mustreid ja parandada süsteemi reageerimist emotsionaalselt tundlikes suhtlustes.

Lõpuks: GPT‑Live on loodud vestluseks, mitte hääle matkimiseks. See kasutab ChatGPT‑s eelmääratletud hääli ning kaitsemeetmeid, mis takistavad päris inimese hääle jäljendamist.

Oleme pühendunud ohutuse ja heaolu toetamisele ning jätkame nende kaitsemeetmete tugevdamist, õppides tegelikust kasutusest.

GPT‑Live jõuab nüüd ChatGPT kasutajateni üle maailma iOS-is, Androidis ja ChatGPT.com-is⁠(avaneb uues aknas). GPT‑Live‑1 saab vaikemudeliks, mis käitab ChatGPT Voice’i Go, Plus ja Pro kasutajatele, ning GPT‑Live‑1 mini saab vaikemudeliks Free kasutajatele. Lisateavet saadavuse kohta leiad meie Abikeskusest⁠(avaneb uues aknas).

Oleme GPT‑Live’i optimeerinud mõnede ChatGPT populaarseimate keelte jaoks. Mõnes keeles võib mudelil olla võõrapärane aktsent või sujuvuses puudujääke. Töötame aktiivselt selle nimel, et kogemust eri keeltes parandada.

Lansseerimisel ei toeta GPT‑Live ChatGPT‑s häält koos video või ekraanijagamisega, kuid töötame selle nimel, et need võimalused peagi lisada. Saad endiselt kasutada ChatGPT Voice’i varasemaid versioone, sealhulgas Standardit ja täiustatud häälrežiimi, kus need funktsioonid on saadaval.