Pristatome GPT‑Live

Pristatome GPT‑Live – naujos kartos balso modelius, dėl kurių kalbėjimasis su AI tampa daug panašesnis į tikrą pokalbį.

GPT‑Live sukurtas naudojant visadupleksę architektūrą, todėl gali klausytis ir kalbėti tuo pačiu metu. Pokalbių metu GPT‑Live gali parodyti, kad klausosi, tokiomis frazėmis kaip „mhm“ ar „taip“, įsitraukti į greitą dialogą arba tiesiog patylėti, kai jums reikia akimirkos pagalvoti. Rezultatas – balso patirtis, su kuria kalbėtis stebėtinai lengva.

GPT‑Live taip pat yra išmaniausias mūsų balso modelis iki šiol. Klausimams, kuriems reikia paieškos internete, gilesnio protavimo ar sudėtingesnio darbo, jis fone perduoda užduotį naujausiam mūsų priešakiniam modeliui ir, kai rezultatas paruoštas, grąžina jį į pokalbį. Kol dirba, GPT‑Live gali toliau su jumis kalbėtis ir išlaikyti pokalbio eigą. Paleidimo metu GPT‑Live fone naudos GPT‑5.5. Leisdami naujus priešakinius modelius, nuolat atnaujinsime GPT‑Live naudojamą modelį.

Šie patobulinimai suteikia naują ChatGPT Balso patirtį, kuri yra išmanesnė ir natūralesnė naudoti. Tikime, kad ilgainiui šis tyrimas taip pat atvers galimybę balsu atlikti vis sudėtingesnį, ilgiau trunkantį ir agentiškesnį darbą.

Šiandien pradedame pasauliniu mastu diegti dvi GPT‑Live versijas – GPT‑Live‑1 ir GPT‑Live‑1 mini – ChatGPT naudotojams. Taip pat planuojame netrukus jas pristatyti API, o kūrėjai ir įmonės gali užsiregistruoti pranešimui naudodami šią formą⁠.

Mūsų vizija – sudaryti sąlygas tikrai natūraliai žmogaus ir AI sąveikai: pasauliui, kuriame bendradarbiavimas su AI atrodo toks pat sklandus ir jautrus kaip darbas su kitu žmogumi, o protavimas ir sudėtingų užduočių vykdymas nepastebimai vyksta fone.

Senesnės balso AI sistemų kartos priartino mus prie šios vizijos, bet turėjo svarbių kompromisų.

Kaskadinės balso sistemos remiasi modelių seka, kuri kiekvieną pasisakymą apdoroja vienas po kito. Originalus ChatGPT Balsas sujungė tris modelius: kalbos į tekstą modelį jūsų kalbai transkribuoti, didelį kalbos modelį atsakymui sukurti ir teksto į kalbą modelį jam vėl paversti kalba. Šis metodas pirmą kartą leido kalbėtis su priešakiniais AI modeliais, tačiau sudėtingumas kainavo: informacija galėjo pasimesti tarp modelių, o atsakymai buvo lėti ir nenatūralūs.

Eilėmis veikiantys balso modeliai, tokie kaip ChatGPT išplėstinis balso režimas, apdorojo ir generavo garsą viename modelyje, taip sumažindami delsą ir padarydami pokalbius sklandesnius, tačiau vis tiek veikė atskirais pasisakymais. Modelis turėjo laukti, kol naudotojas nustos kalbėti, ir tik tada atsakyti, todėl dialogas buvo nelankstus. Be to, kadangi pasisakymo pabaiga nustatoma pagal tylą, net trumpa pauzė ar foninis triukšmas galėjo būti palaikyti posūkio pabaiga, todėl modelis pertraukdavo nenatūraliu metu.

GPT‑Live šiuos apribojimus sprendžia dviem architektūros pakeitimais.

Pirma, GPT‑Live sukūrėme nuolatinei sąveikai, naudodami visadupleksę architektūrą. Užuot apdorojęs atskirų pranešimų seką, GPT‑Live nuolat apdoroja įvestį generuodamas išvestį. Todėl modelis gali daug kartų per sekundę priimti sąveikos sprendimus: ar kalbėti, toliau klausytis, padaryti pauzę, pertraukti ar iškviesti įrankį.

Tai leidžia modeliui natūraliau įsitraukti į dialogą, geriau jausti laiką ir net atlikti tiesioginį vertimą.

Antra, GPT‑Live, kuris valdo nuolatinę sąveiką, atskyrėme nuo gilesnio darbo. Kai klausimui reikia paieškos, protavimo ar agentiškesnių galimybių, GPT‑Live gali perduoti užduotį kitam modeliui, pavyzdžiui, GPT‑5.5. Tai leidžia jam tęsti pokalbį net tada, kai fone atliekamos kelios užduotys.

Šis architektūros pakeitimas taip pat leidžia GPT‑Live nuolat naudoti naujausius modelius ir agentus, sujungiant priešakinį intelektą su natūralia sąveika.

Sukūrėme naujus žmonių atliekamus vertinimus, kad išmatuotume malonumą ir pokalbio eigą. Šiuose tiesioginiuose palyginimuose GPT‑Live‑1 ir GPT‑Live‑1 mini aiškiai labiau pasirenkami nei išplėstinis balso režimas suderintuose 5–10 minučių pokalbiuose, kuriuose vertinamas bendras palankumas, kalbėjimo eiliškumas, pertraukimai, pokalbio eiga ir kiek natūrali atrodė kiekviena sąveika.

• GPQA: GPT‑Live‑1 gerokai pranoksta išplėstinį balso režimą GPQA teste, kuris tikrina ekspertinio lygio mokslinį protavimą biologijos, chemijos ir fizikos srityse.
• BrowseComp: GPT‑Live‑1 rodo didelį pranašumą prieš išplėstinį balso režimą BrowseComp teste, kuris tikrina agentinę žiniatinklio paiešką ir gebėjimą rasti sunkiai aptinkamą informaciją.
• τ³-Voice Telecom**: GPT‑Live‑1 pranoksta išplėstinį balso režimą τ³-Voice Telecom teste, kuris tikrina balso agentus atliekant realistiškas, kelių pasisakymų telekomunikacijų pagalbos užduotis.

Kas savaitę daugiau nei 150 mln. žmonių kalbasi su ChatGPT naudodami tokias funkcijas kaip Balsas ir Diktavimas. Jie tai naudoja kasdienei pagalbai be rankų, kalboms mokytis, pasakoms prieš miegą sekti arba tiesiog pasikalbėti keliaudami į darbą.

Nuo šiandien, palietę Balso mygtuką ir kalbėdami su ChatGPT, gausite geresnę GPT‑Live paremtą patirtį: natūralesnius pokalbius, išmanesnius atsakymus, geresnį klausymąsi ir vaizdinius atsakymus.

Kalbėtis su ChatGPT dabar turėtų būti daug panašiau į tikrą pokalbį. Galite pertraukti klausimu, stabtelėti susikaupti arba paprašyti ChatGPT kalbėti lėčiau. Jis natūraliai parodo, kad girdi, ką sakote, tokiomis frazėmis kaip „mhm“ ar „supratau“, todėl žinote, kad jis seka pokalbį. Taip pat iš naujo parengėme devynis skirtingus ChatGPT balsus GPT‑Live.

ChatGPT Balsas dabar gali pasitelkti naujausius mūsų priešakinius modelius, kad prireikus pateiktų išmanesnius atsakymus. Taip pat galite pasirinkti jūsų poreikiams tinkamą protavimo lygį: Instant greitiems atsakymams arba Medium ir High, kai norite, kad ChatGPT daugiau laiko skirtų apmąstymui.

Jei akimirkai susimąstote, ChatGPT Balsas dabar palaukia, užuot įsiterpęs ir pertraukęs. Jei paprašysite patylėti ir klausytis, jis taip ir padarys. O kai fone yra triukšmo, pavyzdžiui, pravažiuojančių automobilių ar netoliese vykstančių pokalbių, ChatGPT geriau susitelkia į jūsų balsą ir nesiblaško.

Kai kurie atsakymai naudingesni, kai juos matote. Kol kalbate, ChatGPT dabar gali rodyti išsamias vaizdines korteles apie orus, akcijas, sportą ir kitas temas. Balsas taip pat toliau palaiko paiešką, atmintį, vaizdus ir failų įkėlimą.

Rezultatas – ChatGPT Balso patirtis, kuri kasdieniame gyvenime atrodo natūralesnė, pajėgesnė ir naudingesnė.

GPT‑Live sukurtas taip, kad būtų saugus pagal numatytuosius nustatymus. Jis remiasi naujausių mūsų modelių saugos pažanga ir prideda specialų saugos mokymą svarbiausiose rizikos srityse bei naujas apsaugos priemones, sukurtas būtent balsui.

Kad geriau atspindėtume, kaip žmonės naudoja balsą realiomis sąlygomis, pirmiausia išplėtėme saugos testavimą įtraukdami naujus garsui skirtus vertinimus. Taip pat sukūrėme sintetinius vertinimus, kuriuose naudojamas sugeneruotas garsas, kad galėtume nuodugniau nagrinėti svarbias saugos sritis, remdamiesi tuo, ką išmokome iš išplėstinio balso režimo. Šios sritys apima savižalą, psichozę ir maniją, emocinę priklausomybę nuo AI, smurtą ir seksualinį turinį. Vidaus ekspertai taip pat atliko modelio raudonosios komandos testavimą dėl tik balsui būdingų rizikų.

Mūsų bandymuose GPT‑Live beveik visose vertintose srityse pasirodė panašiai kaip išplėstinis balso režimas arba geriau. Daugiau apie mūsų testavimą ir apsaugos priemones galite perskaityti GPT‑Live sistemos kortelėje⁠(atsidaro naujame lange).

Kadangi balso pokalbiai vyksta realiuoju laiku, sukūrėme ir apsaugos priemonių, kurios gali veikti modeliui kalbant. Kai sistema aptinka galimai nesaugų išvesties turinį, ji gali nukreipti modelį į saugesnį atsakymą, parodyti papildomus saugos pranešimus ar išteklius arba, didesnės rizikos atvejais, užbaigti balso pokalbį. Pokalbiams apie savižalą pritaikėme ChatGPT pagalbos eigas balsui, įskaitant ekspertų patikrintą krizių pagalbos linijų informaciją.

Sukūrėme papildomų apsaugų paaugliams ir tiesiogiai išmokėme modelį elgtis pagal amžių, kad sumažintume netinkamų atsakymų riziką. Tėvai gali per tėvų kontrolę pasirinkti, ar jų paauglys gali naudoti ChatGPT Balsą, o susieti tėvai gali būti informuojami didesnės rizikos situacijose, kai matyti galimos savižalos ar ketinimo nusižudyti požymių.

Taip pat diegiame ilgesnio laikotarpio matavimus ir stebėseną po paleidimo, orientuotą į emocinę priklausomybę, kad toliau gerintume supratimą ir tobulintume apsaugos priemones. Remdamiesi ankstesniais mūsų tyrimais apie afektinį naudojimą ir emocinę gerovę, galėsime nustatyti naujus modelius ir gerinti sistemos atsakus emociškai jautriose sąveikose.

Galiausiai GPT‑Live skirtas pokalbiui, o ne balso apsimetinėjimui. Jis naudoja iš anksto nustatytus ChatGPT balsus ir turi apsaugos priemonių, neleidžiančių imituoti tikro žmogaus balso.

Esame įsipareigoję palaikyti saugą ir gerovę ir toliau stiprinsime šias apsaugas mokydamiesi iš realaus naudojimo.

GPT‑Live jau diegiamas ChatGPT naudotojams visame pasaulyje iOS, Android ir ChatGPT.com⁠(atsidaro naujame lange) platformose. GPT‑Live‑1 taps numatytuoju modeliu, kuriuo veiks ChatGPT Balsas Go, Plus ir Pro naudotojams, o GPT‑Live‑1 mini taps numatytuoju Free naudotojams. Daugiau informacijos apie prieinamumą rasite mūsų Pagalbos centre⁠(atsidaro naujame lange).

GPT‑Live optimizavome kai kurioms populiariausioms ChatGPT kalboms. Tam tikromis kalbomis modelis gali kalbėti su negimtakalbio akcentu arba ne visada sklandžiai. Aktyviai dirbame, kad pagerintume patirtį įvairiomis kalbomis.

Paleidimo metu GPT‑Live nepalaikys balso su vaizdo įrašu ar ekrano bendrinimu ChatGPT, bet dirbame, kad netrukus pristatytume šias galimybes. Vis dar galite naudotis ankstesnėmis ChatGPT Balso versijomis, įskaitant standartinį ir išplėstinį balso režimus, kur šios funkcijos pasiekiamos.