Nintroduċu GPT‑Live

Qegħdin inniedu GPT‑Live, ġenerazzjoni ġdida ta’ mudelli tal-vuċi li jagħmlu t-taħdit mal-AI jħossu ħafna aktar bħal konverżazzjoni vera.

GPT‑Live huwa mibni fuq arkitettura full-duplex, jiġifieri jista’ jisma’ u jitkellem fl-istess ħin. Waqt il-konverżazzjonijiet, GPT‑Live jista’ juri li qed joqgħod attent bi frażijiet bħal “mhmm” jew “iva”, jidħol fi skambju rapidu, jew sempliċement jibqa’ sieket meta jkollok bżonn mument biex taħseb. Ir-riżultat huwa esperjenza bil-vuċi li hija faċli u pjaċevoli biex titkellem magħha.

GPT‑Live huwa wkoll l-aktar mudell tal-vuċi intelliġenti tagħna s’issa. Għal mistoqsijiet li jeħtieġu tfittxija fuq il-web, raġunament aktar fil-fond, jew xogħol aktar kumpless, jiddelega lill-aħħar mudell tal-fruntiera tagħna minn wara l-kwinti u jġib ir-riżultat lura fil-konverżazzjoni meta jkun lest. Waqt li jkun qed jaħdem, GPT‑Live jista’ jibqa’ jitkellem miegħek u jżomm il-fluss tal-konverżazzjoni. Mat-tnedija, GPT‑Live se juża GPT‑5.5 fl-isfond. Hekk kif noħorġu mudelli tal-fruntiera ġodda, se naġġornaw kontinwament il-mudell użat minn GPT‑Live.

Dawn l-avvanzi jmexxu esperjenza ġdida ta’ ChatGPT Voice li hija aktar intelliġenti u naturali fl-użu. Maż-żmien, nemmnu li din ir-riċerka se tiftaħ ukoll il-possibbiltà li tintuża l-vuċi għal xogħol dejjem aktar kumpless, itwal u aktar aġentiku.

Illum qed nibdew inqassmu żewġ verżjonijiet ta’ GPT‑Live – GPT‑Live‑1 u GPT‑Live‑1 mini – lill-utenti ta’ ChatGPT madwar id-dinja. Qed nippjanaw ukoll li nġibuhom fl-API dalwaqt, u l-iżviluppaturi u l-intrapriżi jistgħu jiffirmaw biex jiġu nnotifikati billi jużaw din il-formola⁠.

Il-viżjoni tagħna hija li nippermettu interazzjoni tassew naturali bejn il-bniedem u l-AI: dinja fejn il-kollaborazzjoni mal-AI tinħass fluwida u reattiva daqs ix-xogħol ma’ persuna oħra, filwaqt li r-raġunament u l-eżekuzzjoni ta’ kompiti kumplessi jseħħu bla xkiel fl-isfond.

Ġenerazzjonijiet eqdem ta’ sistemi tal-AI bil-vuċi resquna eqreb lejn dik il-viżjoni, iżda b’kompromessi importanti.

Is-sistemi tal-vuċi kaskadati jiddependu fuq serje ta’ mudelli li jaħdmu wieħed wara l-ieħor biex jipproċessaw kull dawra. Il-ChatGPT Voice oriġinali rabat tliet mudelli flimkien: mudell ta’ diskors għal test biex jittraskrivi kliemek, mudell lingwistiku kbir biex jipproduċi tweġiba, u mudell ta’ test għal diskors biex jerġa’ jikkonvertiha f’diskors. Dan l-approċċ ippermettilna nitkellmu ma’ mudelli tal-AI tal-fruntiera għall-ewwel darba, iżda l-kumplessità kellha prezz: l-informazzjoni setgħet tintilef bejn mudell u ieħor, u t-tweġibiet kienu bil-mod u iebsa.

Mudelli tal-vuċi bbażati fuq dawriet bħall-modalità tal-vuċi avvanzata ta’ ChatGPT ipproċessaw u ġġeneraw awdjo f’mudell wieħed, u b’hekk naqqsu l-latenza u għamlu l-konverżazzjonijiet aktar bla xkiel — iżda xorta kienu jaħdmu permezz ta’ dawriet separati. Il-mudell kellu jistenna lill-utent jieqaf jitkellem qabel ma jwieġeb, u dan wassal għal skambju riġidu. Barra minn hekk, billi l-individwazzjoni tad-dawra hija bbażata fuq is-silenzju, anke pawża qasira jew storbju fl-isfond seta’ jiġi żbaljat mat-tmiem tad-dawra — u jwassal biex il-mudell jinterrompi f’mumenti mhux naturali.

GPT‑Live jindirizza dawn il-limitazzjonijiet permezz ta’ żewġ bidliet arkitettoniċi.

L-ewwel, bnejna GPT‑Live għal interazzjoni kontinwa bl-użu ta’ arkitettura full-duplex. Minflok jipproċessa sekwenza ta’ messaġġi separati, GPT‑Live jipproċessa l-input kontinwament waqt li jiġġenera l-output. Għalhekk il-mudell jista’ jieħu deċiżjonijiet dwar l-interazzjoni ħafna drabi kull sekonda: jekk jitkellimx, ikomplix jisma’, jieqafx għal ftit, jinterrompix, jew isejjaħx għodda.

Dan jippermetti lill-mudell jidħol fi skambju aktar naturali, iżomm sens aħjar tal-ħin, u saħansitra jwettaq traduzzjoni diretta.

It-tieni, separajna lil GPT‑Live — li jieħu ħsieb l-interazzjoni kontinwa — mix-xogħol aktar fil-fond. Meta mistoqsija teħtieġ tfittxija, raġunament, jew kapaċitajiet aktar aġentiċi, GPT‑Live jista’ jiddelega l-kompitu lil mudell ieħor bħal GPT‑5.5. Dan jippermettilu jżomm il-konverżazzjoni għaddejja, anke waqt li jieħu ħsieb diversi kompiti fl-isfond.

Din il-bidla arkitettonika tippermetti wkoll lil GPT‑Live juża kontinwament l-aħħar mudelli u aġenti, u jgħaqqad l-intelliġenza tal-fruntiera ma’ interazzjoni naturali.

Bnejna evalwazzjonijiet umani ġodda biex inkejlu kemm il-konverżazzjoni tkun pjaċevoli u kemm ikollha fluss tajjeb. F’dawn il-paraguni diretti, GPT‑Live‑1 u GPT‑Live‑1 mini huma ppreferuti b’mod qawwi fuq il-modalità tal-vuċi avvanzata f’konverżazzjonijiet imqabbla ta’ 5–10 minuti li jkejlu l-preferenza ġenerali, it-teħid tad-dawriet, l-interruzzjonijiet, il-fluss tal-konverżazzjoni, u kemm kull interazzjoni nħasset naturali.

• GPQA: GPT‑Live‑1 jaqbeż b’mod sostanzjali lill-modalità tal-vuċi avvanzata fuq GPQA, li tittestja r-raġunament xjentifiku ta’ livell espert fil-bijoloġija, il-kimika u l-fiżika.
• BrowseComp: GPT‑Live‑1 juri titjib qawwi fuq il-modalità tal-vuċi avvanzata fuq BrowseComp, li tittestja t-tfittxija aġentika fuq il-web u l-abbiltà li tinstab informazzjoni diffiċli biex tinstab.
• τ³-Voice Telecom (varjant intern)**: GPT‑Live‑1 jaqbeż lill-modalità tal-vuċi avvanzata fuq τ³-Voice Telecom, li tittestja aġenti tal-vuċi fuq kompiti realistiċi ta’ appoġġ fit-telekomunikazzjoni b’ħafna dawriet.

Kull ġimgħa, aktar minn 150 miljun persuna jitkellmu ma’ ChatGPT permezz ta’ karatteristiċi bħal Voice u Dictation. Jużawh biex jiksbu għajnuna ta’ kuljum bla ma jużaw idejhom, biex jipprattikaw il-lingwi, jirrakkontaw stejjer qabel l-irqad, jew sempliċement jitkellmu waqt il-vjaġġ lejn jew mix-xogħol.

Minn illum, meta tagħfas il-buttuna Voice biex titkellem ma’ ChatGPT, se jkollok esperjenza mtejba mħaddma minn GPT‑Live—b’konverżazzjonijiet aktar naturali, tweġibiet aktar intelliġenti, smigħ aħjar, u risposti viżwali.

Li titkellem ma’ ChatGPT issa għandu jħossu ħafna aktar bħal konverżazzjoni vera. Tista’ tinterrompi b’mistoqsija, tieqaf ftit biex tiġbor ħsibijietek, jew titlob lil ChatGPT inaqqas ir-ritmu. Juri b’mod naturali li qed jifhem dak li qed tgħid b’espressjonijiet bħal “mm-hmm” jew “fhimt”, biex tkun taf li qed isegwik. Erġajna wkoll irfinajna d-disa’ vuċijiet distinti f’ChatGPT għal GPT‑Live.

ChatGPT Voice issa jista’ juża l-aħħar mudelli frontier tagħna, biex jagħtik tweġibiet aktar intelliġenti meta jkollok bżonnhom. Tista’ tagħżel ukoll il-livell ta’ raġunament li jaqbel mal-bżonnijiet tiegħek: Instant għal risposti veloċi, jew Medium u High meta trid li ChatGPT iqatta’ aktar ħin jaħseb.

Jekk tieħu mument biex taħseb, ChatGPT Voice issa jistenna minflok jaqbeż fin-nofs u jinterrompik. Jekk titolbu jibqa’ sieket u jisma’, hekk jagħmel. U meta jkun hemm storbju fl-isfond, bħal traffiku għaddej jew konverżazzjonijiet fil-qrib, ChatGPT ikun aħjar biex jiffoka fuq leħnek minflok jintilef bihom.

Xi tweġibiet ikunu aktar utli meta tkun tista’ tarahom. Waqt li tkun qed titkellem, ChatGPT issa jista’ juri cards viżwali sinjuri għal suġġetti bħat-temp, l-istokks, l-isport, u aktar. Voice jibqa’ jappoġġa wkoll it-tiftix, il-memorja, l-istampi, u t-tlugħ ta’ fajls.

Ir-riżultat huwa esperjenza ta’ ChatGPT Voice li tħossha aktar naturali, aktar kapaċi, u aktar utli fil-ħajja ta’ kuljum.

GPT‑Live tfassal biex ikun sigur awtomatikament. Jibni fuq l-avvanzi fis-sikurezza mill-aħħar mudelli tagħna, filwaqt li jżid taħriġ dedikat dwar is-sikurezza f’oqsma ewlenin ta’ riskju u protezzjonijiet ġodda mfassla speċifikament għall-vuċi.

Biex nirriflettu aħjar kif in-nies jużaw il-vuċi f’sitwazzjonijiet reali, bdejna billi wessajna l-ittestjar tas-sikurezza tagħna biex jinkludi evalwazzjonijiet ġodda nattivi għall-awdjo. Ħloqna wkoll evalwazzjonijiet sintetiċi li jużaw awdjo ġġenerat biex jiffokaw b’mod aktar intensiv fuq oqsma ewlenin tas-sikurezza, abbażi ta’ dak li tgħallimna mill-modalità tal-vuċi avvanzata. Dawk l-oqsma jinkludu l-awtoħsara, il-psikożi u l-manija, id-dipendenza emozzjonali fuq l-IA, il-vjolenza, u l-kontenut sesswali. Esperti interni wettqu wkoll red-teaming fuq il-mudell għal riskji uniċi għall-vuċi.

Fl-ittestjar tagħna, GPT‑Live mar daqs jew aħjar mill-modalità tal-vuċi avvanzata kważi fl-oqsma kollha li evalwajna. Tista’ taqra aktar dwar l-ittestjar u l-protezzjonijiet tagħna fil-kard tas-sistema⁠(jinfetaħ f’tieqa ġdida) ta’ GPT‑Live.

Minħabba li l-konverżazzjonijiet bil-vuċi jiżviluppaw f’ħin reali, bnejna wkoll protezzjonijiet li jistgħu jaġixxu waqt li l-mudell ikun qed jitkellem. Meta s-sistema tiskopri output potenzjalment mhux sigur, tista’ tidderieġi l-mudell lejn rispons aktar sigur, turi messaġġi jew riżorsi addizzjonali dwar is-sikurezza, jew ittemm il-konverżazzjoni bil-vuċi f’każijiet ta’ riskju ogħla. Għal konverżazzjonijiet li jinvolvu l-awtoħsara, adattajna l-flussi ta’ appoġġ ta’ ChatGPT għall-vuċi, inkluż billi noffru appoġġ minn linji ta’ għajnuna fi kriżi vverifikat minn esperti.

Iddisinjajna protezzjonijiet addizzjonali biex nappoġġaw lill-utenti adoloxxenti, u ħarriġna mġiba xierqa għall-età direttament fil-mudell biex innaqqsu r-riskju ta’ risposti mhux xierqa. Il-ġenituri jistgħu jagħżlu jekk l-adoloxxent tagħhom jistax juża ChatGPT Voice permezz tal-kontrolli tal-ġenituri, u ġenituri konnessi jistgħu jiġu nnotifikati f’sitwazzjonijiet ta’ riskju ogħla li jinvolvu sinjali ta’ awtoħsara potenzjali jew intenzjoni suwiċidali.

Qed inniedu wkoll kejl fit-tul u monitoraġġ wara t-tnedija ffukati fuq id-dipendenza emozzjonali, biex inkomplu ntejbu l-fehim tagħna u nirfinaw il-protezzjonijiet. Filwaqt li nibnu fuq ir-riċerka preċedenti tagħna dwar l-użu affettiv u l-benesseri emozzjonali, dan se jgħinna nidentifikaw xejriet emerġenti u ntejbu kif is-sistema tirrispondi f’interazzjonijiet emozzjonalment sensittivi.

Fl-aħħar nett, GPT‑Live huwa mfassal għall-konverżazzjoni, mhux għall-impersonazzjoni bil-vuċi. Juża sett ta’ vuċijiet predefiniti f’ChatGPT, bi protezzjonijiet biex jipprevjenuh milli jimita l-vuċi ta’ persuna reali.

Aħna impenjati li nappoġġaw is-sikurezza u l-benesseri, u se nkomplu nsaħħu dawn il-protezzjonijiet hekk kif nitgħallmu mill-użu fid-dinja reali.

GPT‑Live qed jitħaddem issa għall-utenti ta’ ChatGPT globalment fuq iOS, Android, u ChatGPT.com⁠(jinfetaħ f’tieqa ġdida). GPT‑Live‑1 se jsir il-mudell awtomatiku li jħaddem ChatGPT Voice għall-utenti Go, Plus, u Pro, u GPT‑Live‑1 mini se jsir l-awtomatiku għall-utenti Free. Aktar dettalji dwar id-disponibbiltà jinsabu fiċ-Ċentru tal-Għajnuna⁠(jinfetaħ f’tieqa ġdida) tagħna.

Ottimizzajna GPT‑Live għal uħud mill-aktar lingwi popolari f’ChatGPT. Għal ċerti lingwi, il-mudell jista’ jkollu aċċent mhux nattiv jew nuqqasijiet fil-fluwidità. Qed naħdmu b’mod attiv biex intejbu l-esperjenza bejn il-lingwi.

Fit-tnedija, GPT‑Live mhux se jappoġġa l-vuċi bil-vidjo jew il-qsim tal-iskrin f’ChatGPT, iżda qed naħdmu biex nintroduċu dawn il-kapaċitajiet dalwaqt. Xorta tista’ taċċessa verżjonijiet legacy ta’ ChatGPT Voice, inkluż Standard u l-modalità tal-vuċi avvanzata, fejn dawn il-karatteristiċi jkunu disponibbli.