ვუშვებთ GPT‑Live‑ს — ხმოვანი მოდელების ახალ თაობას, რომელიც AI-სთან საუბარს ბევრად უფრო მეტად ამსგავსებს ნამდვილ საუბარს.
GPT‑Live სრული დუპლექსის არქიტექტურაზეა აგებული, რაც ნიშნავს, რომ მას ერთდროულად მოსმენა და საუბარი შეუძლია. საუბრისას GPT‑Live‑ს შეუძლია ყურადღება გაჩვენოთ ისეთი ფრაზებით, როგორიცაა „ჰმმ“ ან „ჰო“, ჩაერთოს სწრაფ მიმოცვლაში, ან უბრალოდ გაჩუმდეს, როცა დაფიქრებისთვის დრო გჭირდებათ. შედეგად ვიღებთ ხმოვან გამოცდილებას, რომელთან საუბარიც საოცრად მარტივია.
GPT‑Live ასევე ჩვენი ყველაზე ჭკვიანი ხმოვანი მოდელია დღემდე. კითხვებისთვის, რომლებიც ვებძიებას, უფრო ღრმა მსჯელობას ან უფრო რთულ სამუშაოს მოითხოვს, ის ამოცანას ფონურად ჩვენს უახლეს მოწინავე მოდელს გადასცემს და შედეგს მზადყოფნისთანავე საუბარში აბრუნებს. მუშაობის დროს GPT‑Live‑ს შეუძლია თქვენთან საუბარი განაგრძოს და საუბრის ნაკადი შეინარჩუნოს. გაშვებისას GPT‑Live ფონურად GPT‑5.5‑ს გამოიყენებს. ახალი მოწინავე მოდელების გამოშვებისას GPT‑Live‑ის მიერ გამოყენებულ მოდელს მუდმივად განვაახლებთ.
ეს მიღწევები უზრუნველყოფს ChatGPT‑ის ხმოვანი რეჟიმის ახალ გამოცდილებას, რომელიც უფრო ინტელექტუალური და ბუნებრივად გამოსაყენებელია. დროთა განმავლობაში გვჯერა, რომ ეს კვლევა ხმოვანი რეჟიმის გამოყენებას სულ უფრო რთული, ხანგრძლივი და აგენტური სამუშაოებისთვისაც გახსნის.
დღეიდან გლობალურად ChatGPT‑ის მომხმარებლებისთვის GPT‑Live‑ის ორი ვერსიის — GPT‑Live‑1 და GPT‑Live‑1 mini — ეტაპობრივ გაშვებას ვიწყებთ. ასევე ვგეგმავთ მათ API-ში მალე დამატებას, ხოლო დეველოპერებსა და საწარმოებს შეტყობინებების მისაღებად რეგისტრაცია ამ ფორმით შეუძლიათ.
ადამიანისა და AI-ის ურთიერთქმედების ახალი ეპოქა
ჩვენი ხედვაა, შესაძლებელი გავხადოთ ნამდვილად ბუნებრივი ადამიან–AI ურთიერთქმედება: სამყარო, სადაც AI-სთან თანამშრომლობა ისეთივე მოქნილი და რეაგირებადია, როგორც სხვა ადამიანთან მუშაობა, ხოლო მსჯელობა და რთული ამოცანების შესრულება ფონურად შეუფერხებლად მიმდინარეობს.
წინა მიდგომები
ხმოვანი AI სისტემების ძველმა თაობებმა ამ ხედვას დაგვაახლოვა, თუმცა მნიშვნელოვანი კომპრომისებით.
კასკადური ხმოვანი სისტემები
კასკადური ხმოვანი სისტემები თითოეული რიგის დასამუშავებლად ერთმანეთის მიყოლებით მოქმედი მოდელების სერიას ეყრდნობა. თავდაპირველი ChatGPT‑ის ხმოვანი რეჟიმი სამ მოდელს აბამდა ერთმანეთს: მეტყველებიდან ტექსტზე მოდელს თქვენი მეტყველების გადასაწერად, დიდ ენობრივ მოდელს პასუხის შესაქმნელად და ტექსტიდან მეტყველებაზე მოდელს მის კვლავ მეტყველებად გადასაქცევად. ამ მიდგომამ პირველად მოგვცა შესაძლებლობა, მოწინავე AI მოდელებს დავლაპარაკებოდით, მაგრამ სირთულეს თავისი ფასი ჰქონდა: ინფორმაცია მოდელებს შორის შეიძლება დაკარგულიყო, პასუხები კი ნელი და მოუქნელი იყო.
Cascaded voice system
Slow and stilted responses, long pauses
რიგებზე დაფუძნებული ხმოვანი მოდელები
რიგებზე დაფუძნებული ხმოვანი მოდელები, როგორიცაა ChatGPT‑ს გაფართოებული ხმოვანი რეჟიმი, აუდიოს ერთი მოდელის ფარგლებში ამუშავებდა და აგენერირებდა, ამცირებდა დაყოვნებას და საუბრებს უფრო შეუფერხებელს ხდიდა, თუმცა ისინი მაინც ცალკეული რიგებით მუშაობდა. პასუხის გაცემამდე მოდელს უნდა დაეცადა, სანამ მომხმარებელი საუბარს დაასრულებდა, რაც ხისტ მონაცვლეობას იწვევდა. გარდა ამისა, რადგან რიგის დასრულების ამოცნობა სიჩუმეს ეფუძნება, მოკლე პაუზა ან ფონური ხმაურიც კი შეიძლებოდა რიგის დასასრულად აღქმულიყო — რის გამოც მოდელი არაბუნებრივ მომენტებში აწყვეტინებდა მოსაუბრეს.
Turn-based voice model
Slightly faster and smoother responses, but back-and-forth with the model still feels rigid
ჩვენი ახალი მიდგომა
GPT‑Live ამ შეზღუდვებს ორი არქიტექტურული ცვლილებით უმკლავდება.
უწყვეტი ურთიერთქმედება
პირველ რიგში, GPT‑Live უწყვეტი ურთიერთქმედებისთვის ავაგეთ სრულდუპლექსური არქიტექტურის გამოყენებით. ცალკეული შეტყობინებების მიმდევრობის დამუშავების ნაცვლად, GPT‑Live უწყვეტად ამუშავებს შენატანს გამონატანის შექმნის პარალელურად. ამიტომ მოდელს შეუძლია, წამში მრავალჯერ მიიღოს გადაწყვეტილებები ურთიერთქმედების მხრივ: ილაპარაკოს, მოსმენა გააგრძელოს, შეყოვნდეს, შეაწყვეტინოს ან ხელსაწყო გამოიძახოს.
ეს მოდელს საშუალებას აძლევს, უფრო ბუნებრივ მიმოცვლაში ჩაერთოს, დროის შეგრძნება უკეთ შეინარჩუნოს და ცოცხალი თარგმანიც კი შეასრულოს.
Continuous interaction
Fast, natural, expressive responses and more active listening
დელეგირება უფრო ღრმა სამუშაოსთვის
მეორეც, უფრო ღრმა სამუშაოსგან გამოვაცალკევეთ GPT‑Live, რომელიც უწყვეტ ურთიერთქმედებას ამუშავებს. როცა შეკითხვა ძიებას, მსჯელობას ან უფრო აგენტურ შესაძლებლობებს მოითხოვს, GPT‑Live‑ს შეუძლია დავალება სხვა მოდელს, მაგალითად GPT‑5.5‑ს, გადააბაროს. ეს მას საშუალებას აძლევს, საუბარი გააგრძელოს მაშინაც კი, როცა ფონურ რეჟიმში რამდენიმე დავალებას ასრულებს.
ეს არქიტექტურული ცვლილება GPT‑Live‑ს ასევე საშუალებას აძლევს, მუდმივად გამოიყენოს უახლესი მოდელები და აგენტები, მოწინავე ინტელექტი ბუნებრივ ურთიერთქმედებასთან გააერთიანოს.
Delegation for deeper work
GPT-Live provides fast, natural responses, while GPT-5.5 handles search in the background
შეფასებები
შევქმენით ახალი ადამიანური შეფასებები სასიამოვნოობისა და საუბრის ნაკადის გასაზომად. ამ პირდაპირ შედარებებში GPT‑Live‑1‑სა და GPT‑Live‑1 mini-ს აშკარა უპირატესობა ენიჭება გაფართოებულ ხმოვან რეჟიმთან შედარებით შესაბამის 5–10-წუთიან საუბრებში, რომლებიც ზომავს საერთო უპირატესობას, რიგის მონაცვლეობას, შეწყვეტებს, საუბრის ნაკადს და იმას, რამდენად ბუნებრივად აღიქმებოდა თითოეული ურთიერთქმედება.
- GPQA: GPT‑Live‑1 მნიშვნელოვნად აღემატება გაფართოებულ ხმოვან რეჟიმს GPQA-ზე, რომელიც ამოწმებს ექსპერტული დონის სამეცნიერო მსჯელობას ბიოლოგიაში, ქიმიასა და ფიზიკაში.
- BrowseComp: GPT‑Live‑1 აჩვენებს ძლიერ გაუმჯობესებას გაფართოებულ ხმოვან რეჟიმთან შედარებით BrowseComp-ზე, რომელიც ამოწმებს აგენტურ ვებძიებას და რთულად საპოვნი ინფორმაციის მოძიების უნარს.
- τ³-Voice Telecom**: GPT‑Live‑1 გაფართოებულ ხმოვან რეჟიმზე უკეთეს შედეგებს აჩვენებს τ³-Voice Telecom ბენჩმარკით, რომელიც ხმოვან აგენტებს რეალისტურ, მრავალრეპლიკიან სატელეკომუნიკაციო მხარდაჭერის დავალებებზე ამოწმებს.
* GPT‑Live‑1 (instant) and GPT‑Live‑1 mini use the GPT‑5.5 Instant model in the background, while GPT‑Live‑1 Medium and GPT‑Live‑1 High use the GPT‑5.5 Thinking model with medium and high reasoning effort.
** We used a customized user model, powered by our latest reasoning models, for this eval.
ChatGPT‑ს ხმოვანი რეჟიმის ახალი გამოცდილება
ყოველ კვირას 150 მილიონზე მეტი ადამიანი ესაუბრება ChatGPT‑ს ისეთი ფუნქციების მეშვეობით, როგორიცაა ხმოვანი რეჟიმი და კარნახი. ისინი მას იყენებენ ხელით კონტაქტის გარეშე ყოველდღიური დახმარების მისაღებად, ენების სავარჯიშოდ, ძილის წინ ისტორიების მოსაყოლად ან უბრალოდ გზაში სასაუბროდ.
დღეიდან, როცა ChatGPT‑სთან სასაუბროდ ხმოვანი რეჟიმის ღილაკს შეეხებით, მიიღებთ GPT‑Live‑ზე დაფუძნებულ გაუმჯობესებულ გამოცდილებას — უფრო ბუნებრივი საუბრებით, გონიერი პასუხებით, უკეთესი მოსმენითა და ვიზუალური პასუხებით.
უფრო ბუნებრივი საუბრები
ChatGPT‑სთან საუბარი ახლა ბევრად უფრო ნამდვილ საუბარს უნდა ჰგავდეს. შეგიძლიათ კითხვით შეაწყვეტინოთ, შეჩერდეთ აზრების მოსაკრებად ან სთხოვოთ ChatGPT‑ს, ნელა ისაუბროს. ის ბუნებრივად გიდასტურებთ, რომ გისმენთ, ისეთი ფრაზებით, როგორიცაა „მმმ“ ან „გასაგებია“, რათა იცოდეთ, რომ საუბარს მიჰყვება. GPT‑Live‑ისთვის ChatGPT‑ში არსებული ცხრა განსხვავებული ხმაც ხელახლა დავამუშავეთ.
ურფო ჭკვიანური პასუხები
ChatGPT‑ს ხმოვან რეჟიმს ახლა შეუძლია, ჩვენს უახლეს მოწინავე მოდელებს დაეყრდნოს და უფრო გონიერი პასუხები მოგცეთ საჭიროებისამებრ. ასევე, შეგიძლიათ, აირჩიოთ თქვენი საჭიროებების შესაბამისი მსჯელობის დონე: მყისიერი დონე — სწრაფი პასუხებისთვის, ან საშუალო და მაღალი დონე, როცა გსურთ, ChatGPT‑მ ფიქრს მეტი დრო დაუთმოს.
უკეთესი მოსმენა
თუ დაფიქრებისთვის წამით შეყოვნდებით, ChatGPT‑ს ხმოვანი რეჟიმი ჩართვისა და შეწყვეტის ნაცვლად ახლა დაგელოდებათ. თუ სთხოვთ, ჩუმად იყოს და მოგისმინოთ, ასეც მოიქცევა. ხოლო როცა ისეთი ფონური ხმაურია, როგორიცაა გამვლელი ტრანსპორტი ან ახლომდებარე საუბრები, ChatGPT უკეთ ახერხებს თქვენს ხმაზე ფოკუსირებას და ნაკლებად ეფანტება ყურადღება.
ვიზუალური პასუხები ერთი შეხედვით
ზოგი პასუხი უფრო სასარგებლოა, როცა მას ხედავთ. საუბრისას ChatGPT‑ს ახლა შეუძლია აჩვენოს მდიდარი ვიზუალური ბარათები ისეთი თემებისთვის, როგორიცაა ამინდი, აქციები, სპორტი და სხვა. ხმოვანი რეჟიმი ასევე კვლავ მხარს უჭერს ძიებას, მეხსიერებას, სურათებსა და ფაილების ატვირთვას.
შედეგად ვიღებთ ChatGPT‑ს ხმოვან რეჟიმს, რომელიც ყოველდღიურ ცხოვრებაში უფრო ბუნებრივი, ძლიერი და სასარგებლო ჩანს.
უსაფრთხოება, რომელიც ხმოვანი რეჟიმისთვისაა შექმნილი
GPT‑Live თავიდანვე უსაფრთხოდ მუშაობისთვის შეიქმნა. ის ეყრდნობა ჩვენი უახლესი მოდელების მიღწევებს უსაფრთხოების სფეროში და ამავდროულად ამატებს უსაფრთხოებასთან დაკავშირებულ სპეციალურ სწავლებას რისკის საკვანძო სფეროებში და ახალ დამცავ მექანიზმებს, რომლებიც კონკრეტულად ხმოვანი რეჟიმისთვისაა შექმნილი.
უსაფრთხოების გაფართოებული ტესტირება
იმის უკეთ ასახვისთვის, როგორ იყენებენ ადამიანები ხმას რეალურ გარემოში, საქმე დავიწყეთ უსაფრთხოების ტესტირების გაფართოებით, რათა მასში ახალი, ხმაზე ბუნებრივად მორგებული შეფასებები შეგვეტანა. ასევე შევქმენით სინთეზური შეფასებები, რომლებიც გენერირებულ აუდიოს იყენებს, რათა უფრო ინტენსიურად ფოკუსირდეს უსაფრთხოების მთავარ სფეროებზე გაფართოებული ხმოვანი რეჟიმიდან მიღებულ ცოდნაზე დაყრდნობით. ეს სფეროებია თვითდაზიანება, ფსიქოზი და მანია, ემოციური დამოკიდებულება ხელოვნურ ინტელექტზე, ძალადობა და სექსუალური შიგთავსი. შიდა ექსპერტებმა მოდელი ხმოვანი რეჟიმისთვის უნიკალური რისკების კუთხითაც შეამოწმეს შეტევითი ტესტირების (red team) მეთოდით.
ჩვენს ტესტირებაში GPT‑Live თითქმის ყველა შეფასებულ სფეროში გაფართოებული ხმოვანი რეჟიმის მსგავსად ან მასზე უკეთ მუშაობდა. ჩვენი ტესტირებისა და დამცავი მექანიზმების შესახებ მეტის წაკითხვა შეგიძლიათ GPT‑Live‑ის სისტემურ ბარათში(იხსნება ახალ ფანჯარაში).
ჩაშენებული დამცავი მექანიზმები
რადგან ხმოვანი საუბრები რეალურ დროში მიმდინარეობს, შევქმენით დამცავი მექანიზმებიც, რომლებსაც მოქმედება მოდელის საუბრის დროს შეუძლია. როცა სისტემა პოტენციურად სახიფათო შედეგს ამოიცნობს, მას შეუძლია, მოდელი უფრო უსაფრთხო პასუხისკენ მიმართოს, აჩვენოს უსაფრთხოებასთან დაკავშირებული დამატებითი შეტყობინებები ან რესურსები, ხოლო უფრო მაღალი რისკის შემთხვევებში ხმოვანი საუბარი დაასრულოს. თვითდაზიანებასთან დაკავშირებული საუბრებისთვის ChatGPT‑ს მხარდაჭერის პროცესები ხმოვან რეჟიმს მოვარგეთ, მათ შორის ექსპერტების მიერ გადამოწმებული დახმარების ხაზის შეთავაზებით კრიზისულ სიტუაციებში.
დამატებითი დაცვის ზომები შემოვიღეთ მოზარდი მომხმარებლების მხარდასაჭერად და მოდელში უშუალოდ ჩავაშენეთ ასაკის შესაბამისი ქცევა, რათა შეუსაბამო პასუხების რისკი შემცირდეს. მშობლებს შეუძლიათ, მშობელთა კონტროლის მეშვეობით აირჩიონ, შეძლებს თუ არა მათი თინეიჯერი ChatGPT‑ს ხმოვანი რეჟიმის გამოყენებას; დაკავშირებულ მშობლებს კი შესაძლოა ეცნობოთ უფრო მაღალი რისკის სიტუაციებში, სადაც ჩანს პოტენციური თვითდაზიანების ან სუიციდური განზრახვის ნიშნები.
სწავლა რეალური გამოყენებიდან
ასევე ვნერგავთ გრძელვადიან გაზომვასა და გაშვების შემდგომ მონიტორინგს, რომლებიც ემოციურ დამოკიდებულებაზეა ფოკუსირებული, რათა ჩვენი გაგება გავაუმჯობესოთ და დამცავი მექანიზმები დავხვეწოთ. აფექტურ გამოყენებასა და ემოციურ კეთილდღეობაზე ჩატარებულ ჩვენს წინა კვლევაზე დაყრდნობით, ეს დაგვეხმარება ახალი პატერნების ამოცნობასა და სისტემის რეაგირების გაუმჯობესებაში ემოციურად მგრძნობიარე ურთიერთქმედებებში.
დაბოლოს, GPT‑Live შექმნილია საუბრისთვის და არა ხმის იმიტაციისთვის. ის იყენებს ChatGPT‑ში წინასწარ განსაზღვრულ ხმებს და აქვს დამცავი მექანიზმები, რომლებიც მას რეალური ადამიანის ხმის მიბაძვის საშუალებას არ აძლევს.
ჩვენ ვიღებთ ვალდებულებას, მხარი დავუჭიროთ უსაფრთხოებასა და კეთილდღეობას და რეალური გამოყენებიდან მიღებული ცოდნის საფუძველზე ამ დაცვას გავაძლიერებთ.
ხელმისაწვდომობა და შეზღუდვები
GPT‑Live ახლა ეტაპობრივად ხდება ხელმისაწვდომი ChatGPT‑ს მომხმარებლებისთვის მთელ მსოფლიოში iOS-ზე, Android-სა და ChatGPT.com(იხსნება ახალ ფანჯარაში)-ზე. GPT‑Live‑1 გახდება ნაგულისხმევი მოდელი, რომელიც ChatGPT‑ს ხმოვან რეჟიმს უზრუნველყოფს Go, Plus და Pro გეგმის მომხმარებლებისთვის, ხოლო GPT‑Live‑1 mini ნაგულისხმევი გახდება უფასო გეგმის მომხმარებლებისთვის. ხელმისაწვდომობის შესახებ მეტი დაწვრილებითი ინფორმაცია შეგიძლიათ იხილოთ ჩვენს დახმარების ცენტრში(იხსნება ახალ ფანჯარაში).
GPT‑Live ოპტიმიზებულია ChatGPT‑ში ყველაზე პოპულარული რამდენიმე ენისთვის. ზოგიერთ ენაზე მოდელს შეიძლება ჰქონდეს არამშობლიური აქცენტი ან ხარვეზები გამართული მეტყველების მხრივ. აქტიურად ვმუშაობთ, რომ სხვადასხვა ენაზე გამოცდილება გავაუმჯობესოთ.
გაშვებისას GPT‑Live ChatGPT‑ში არ დაუჭერს მხარს ხმას ვიდეოთი ან ეკრანის გაზიარებით, თუმცა ამ შესაძლებლობების მალე დამატებაზე ვმუშაობთ. თქვენ კვლავ შეგიძლიათ, გამოიყენოთ ChatGPT‑ს ხმოვანი რეჟიმის ძველი ვერსიები, მათ შორის სტანდარტული და გაფართოებული ხმოვანი რეჟიმი, სადაც ეს ფუნქციები ხელმისაწვდომია.
