Ви го претставуваме GPT‑Live

Го лансираме GPT‑Live, нова генерација гласовни модели со кои разговорот со ВИ многу повеќе наликува на вистински разговор.

GPT‑Live е изграден врз архитектура со целосен дуплекс, што значи дека може да слуша и да зборува истовремено. За време на разговорите, GPT‑Live може да покаже дека внимава со фрази како „мхм“ или „да“, да се вклучи во брза размена или едноставно да молчи кога ви треба момент за размислување. Резултатот е гласовно искуство со кое е изненадувачки лесно да се разговара.

GPT‑Live е и нашиот најпаметен гласовен модел досега. За прашања што бараат пребарување на веб, подлабоко расудување или посложена работа, тој во заднина делегира на нашиот најнов граничен модел и го враќа резултатот во разговорот кога ќе биде подготвен. Додека работи, GPT‑Live може да продолжи да разговара со вас и да го одржува текот на разговорот. При лансирањето, GPT‑Live ќе го користи GPT‑5.5 во заднина. Како што ќе објавуваме нови гранични модели, континуирано ќе го ажурираме моделот што го користи GPT‑Live.

Овие напредоци овозможуваат ново ChatGPT гласовно искуство што е поинтелигентно и поприродно за користење. Со текот на времето, веруваме дека ова истражување ќе ја отвори и можноста гласот да се користи за сè посложена, подолготрајна и поагентска работа.

Денес почнуваме глобално да воведуваме две верзии на GPT‑Live – GPT‑Live‑1 и GPT‑Live‑1 mini – за корисниците на ChatGPT. Планираме наскоро да ги донесеме и во API, а програмерите и претпријатијата може да се пријават за известување преку овој формулар⁠.

Нашата визија е да овозможиме навистина природна интеракција меѓу луѓето и ВИ: свет во кој соработката со ВИ е исто толку течна и одзивна како работата со друг човек, додека расудувањето и извршувањето сложени задачи се одвиваат беспрекорно во заднина.

Постарите генерации гласовни ВИ-системи нè приближија до таа визија, но со значајни компромиси.

Каскадните гласовни системи се потпираат на низа модели што дејствуваат еден по друг за да го обработат секој ред во разговорот. Оригиналниот ChatGPT Voice поврзуваше три модели: модел за говор во текст за транскрипција на вашиот говор, голем јазичен модел за создавање одговор и модел за текст во говор за повторно претворање во говор. Овој пристап првпат ни овозможи да разговараме со гранични ВИ-модели, но сложеноста имаше цена: информациите можеа да се изгубат меѓу моделите, а одговорите беа бавни и вкочанети.

Гласовните модели по редослед, како напредниот гласовен режим на ChatGPT, обработуваа и генерираа аудио во рамките на еден модел, со што ја намалија латентноста и ги направија разговорите помазни — но и понатаму работеа преку одделни редови. Моделот мораше да чека корисникот да престане да зборува пред да одговори, што водеше до крута размена. Дополнително, бидејќи откривањето на редот се заснова на тишина, дури и кратка пауза или шум во заднина можеа погрешно да се протолкуваат како крај на редот — поради што моделот прекинуваше во неприродни моменти.

GPT‑Live ги решава овие ограничувања преку две архитектонски промени.

Прво, го изградивме GPT‑Live за континуирана интеракција со архитектура со целосен дуплекс. Наместо да обработува низа одделни пораки, GPT‑Live континуирано го обработува влезот додека генерира излез. Затоа моделот може да носи одлуки за интеракцијата многупати во секунда: дали да зборува, да продолжи да слуша, да паузира, да прекине или да повика алатка.

Ова му овозможува на моделот да се вклучи во поприродна размена, да има подобро чувство за време, па дури и да врши превод во живо.

Второ, го одвоивме GPT‑Live — кој се грижи за континуираната интеракција — од подлабоката работа. Кога прашањето бара пребарување, расудување или поагентски способности, GPT‑Live може да ја делегира задачата на друг модел како GPT‑5.5. Ова му овозможува да го одржува разговорот, дури и додека извршува повеќе задачи во заднина.

Оваа архитектонска промена исто така му овозможува на GPT‑Live континуирано да ги користи најновите модели и агенти, комбинирајќи гранична интелигенција со природна интеракција.

Создадовме нови човечки евалуации за мерење на пријатноста и текот на разговорот. Во овие директни споредби, GPT‑Live‑1 и GPT‑Live‑1 mini се силно претпочитани во однос на напредниот гласовен режим во усогласени разговори од 5–10 минути што ја мерат вкупната претпочитаност, преземањето ред, прекините, текот на разговорот и колку природно се чувствувала секоја интеракција.

• GPQA: GPT‑Live‑1 значително го надминува напредниот гласовен режим на GPQA, кој тестира научно расудување на експертско ниво во биологија, хемија и физика.
• BrowseComp: GPT‑Live‑1 покажува силни подобрувања во однос на напредниот гласовен режим на BrowseComp, кој тестира агентско веб-пребарување и способност за наоѓање информации што тешко се лоцираат.
• τ³-Voice Telecom (внатрешна варијанта)**: GPT‑Live‑1 го надминува напредниот гласовен режим на τ³-Voice Telecom, кој тестира гласовни агенти на реалистични телекомуникациски задачи за поддршка со повеќе редови.

Секоја седмица, повеќе од 150 милиони луѓе разговараат со ChatGPT преку функции како Глас и Диктирање. Го користат за секојдневна помош без раце, за вежбање јазици, раскажување приказни пред спиење или едноставно за разговор додека патуваат.

Од денес, кога ќе го допрете копчето Voice за да разговарате со ChatGPT, ќе добиете подобрено искуство напојувано од GPT‑Live — со поприродни разговори, попаметни одговори, подобро слушање и визуелни одговори.

Разговорот со ChatGPT сега треба да делува многу повеќе како вистински разговор. Можете да прекинете со прашање, да паузирате за да си ги соберете мислите или да побарате од ChatGPT да зборува побавно. Тој природно потврдува дека ве следи со изрази како „мхм“ или „разбирам“, па знаете дека слуша. Исто така ги ремастериравме деветте различни гласови во ChatGPT за GPT‑Live.

ChatGPT Voice сега може да ги користи нашите најнови гранични модели, давајќи ви попаметни одговори кога ви се потребни. Можете да го изберете и нивото на расудување што одговара на вашите потреби: Instant за брзи одговори или Medium и High кога сакате ChatGPT да одвои повеќе време за размислување.

Ако ви треба момент за размислување, ChatGPT Voice сега чека наместо веднаш да се вклучи и да ве прекине. Ако побарате да молчи и да слуша, ќе го направи тоа. А кога има бучава во заднина, како сообраќај што поминува или разговори во близина, ChatGPT подобро се фокусира на вашиот глас наместо да се одвлекува.

Некои одговори се покорисни кога можете да ги видите. Додека разговарате, ChatGPT сега може да прикажува богати визуелни картички за теми како временска прогноза, акции, спорт и друго. Voice и понатаму поддржува пребарување, меморија, слики и прикачување датотеки.

Резултатот е искуство со ChatGPT Voice што делува поприродно, поспособно и покорисно во секојдневниот живот.

GPT‑Live е дизајниран да биде безбеден по стандард. Се надоврзува на безбедносните подобрувања од нашите најнови модели, додавајќи посветена безбедносна обука во клучни ризични области и нови заштитни мерки создадени специјално за глас.

За подобро да го одразиме начинот на кој луѓето користат глас во реални услови, почнавме со проширување на безбедносното тестирање за да вклучиме нови евалуации изворно наменети за аудио. Создадовме и синтетички евалуации што користат генерирано аудио за поинтензивен фокус на клучните безбедносни области, врз основа на она што го научивме од Напреден гласовен режим. Тие области вклучуваат самоповредување, психоза и манија, емоционално потпирање на AI, насилство и сексуална содржина. Внатрешни експерти исто така го тестираа моделот преку red-teaming за ризици што се единствени за гласот.

Во нашето тестирање, GPT‑Live постигна споредливи или подобри резултати од Напреден гласовен режим во речиси сите области што ги оценувавме. Повеќе за нашето тестирање и заштитни мерки можете да прочитате во системската картичка⁠(се отвора во нов прозорец) за GPT‑Live.

Бидејќи гласовните разговори се одвиваат во реално време, изградивме и заштитни мерки што можат да дејствуваат додека моделот зборува. Кога системот ќе открие потенцијално небезбеден излез, може да го насочи моделот кон побезбеден одговор, да прикаже дополнителни безбедносни пораки или ресурси, или да го заврши гласовниот разговор во случаи со повисок ризик. За разговори што вклучуваат самоповредување, ги приспособивме тековите за поддршка на ChatGPT за глас, вклучително и нудење поддршка преку кризни линии проверена од експерти.

Дизајниравме дополнителни заштити за поддршка на тинејџерите и директно го обучивме моделот за однесување соодветно на возраста за да го намалиме ризикот од несоодветни одговори. Родителите можат да изберат дали нивниот тинејџер може да користи ChatGPT Voice преку родителска контрола, а поврзаните родители може да бидат известени во ситуации со повисок ризик што вклучуваат знаци на можно самоповредување или самоубиствена намера.

Исто така воведуваме долгорочно мерење и следење по лансирањето, со фокус на емоционалното потпирање, за да продолжиме да го подобруваме разбирањето и да ги усовршуваме заштитните мерки. Надоврзувајќи се на нашето претходно истражување за афективна употреба и емоционална благосостојба, ова ќе ни помогне да препознаеме нови обрасци и да го подобриме начинот на кој системот реагира во емоционално чувствителни интеракции.

Конечно, GPT‑Live е дизајниран за разговор, а не за имитирање гласови. Користи збир од однапред дефинирани гласови во ChatGPT, со заштитни мерки што го спречуваат да имитира глас на вистинска личност.

Посветени сме на поддршка на безбедноста и благосостојбата и ќе продолжиме да ги зајакнуваме овие заштити додека учиме од реалната употреба.

GPT‑Live сега се воведува за корисниците на ChatGPT глобално на iOS, Android и ChatGPT.com⁠(се отвора во нов прозорец). GPT‑Live‑1 ќе стане стандардниот модел што го напојува ChatGPT Voice за корисниците на Go, Plus и Pro, а GPT‑Live‑1 mini ќе стане стандардниот модел за корисниците на Free. Повеќе детали за достапноста може да најдете во нашиот Центар за помош⁠(се отвора во нов прозорец).

Го оптимизиравме GPT‑Live за некои од најпопуларните јазици во ChatGPT. За одредени јазици, моделот може да има ненативен акцент или празнини во течноста на говорот. Активно работиме на подобрување на искуството на сите јазици.

При лансирањето, GPT‑Live нема да поддржува глас со видео или споделување екран во ChatGPT, но работиме наскоро да ги воведеме овие способности. Сè уште можете да пристапите до наследените верзии на ChatGPT Voice, вклучувајќи ги Standard и Напреден гласовен режим, каде што овие функции се достапни.