Predstavljamo GPT‑Live

Predstavljamo GPT‑Live, novo generacijo glasovnih modelov, zaradi katerih je pogovor z umetno inteligenco veliko bolj podoben pravemu pogovoru.

GPT‑Live temelji na arhitekturi polnega dupleksa, kar pomeni, da lahko posluša in govori hkrati. Med pogovorom lahko GPT‑Live z izrazi, kot sta »mhmm« ali »ja«, pokaže, da je pozoren, sodeluje v hitri izmenjavi ali pa preprosto ostane tiho, ko potrebujete trenutek za razmislek. Rezultat je glasovna izkušnja, s katero se je osvežujoče lahko pogovarjati.

GPT‑Live je tudi naš najpametnejši glasovni model doslej. Pri vprašanjih, ki zahtevajo spletno iskanje, globlje sklepanje ali zahtevnejše delo, nalogo v ozadju preda našemu najnovejšemu prelomnemu modelu in rezultat vrne v pogovor, ko je pripravljen. Medtem ko dela, lahko GPT‑Live še naprej govori z vami in ohranja tok pogovora. Ob uvedbi bo GPT‑Live v ozadju uporabljal GPT‑5.5. Ko bomo izdajali nove prelomne modele, bomo model, ki ga uporablja GPT‑Live, sproti posodabljali.

Ta napredek poganja novo izkušnjo Glasovnega ChatGPT, ki je inteligentnejša in naravnejša za uporabo. Verjamemo, da bo ta raziskava sčasoma omogočila uporabo glasu tudi za vse bolj zapleteno, dolgotrajnejše in bolj agentsko delo.

Danes začenjamo za uporabnike po vsem svetu uvajati dve različici GPT‑Live – GPT‑Live‑1 in GPT‑Live‑1 mini. Kmalu ju nameravamo ponuditi tudi v API-ju, razvijalci in podjetja pa se lahko prijavijo na obvestila prek tega obrazca⁠.

Naša vizija je omogočiti resnično naravno interakcijo med ljudmi in umetno inteligenco: svet, v katerem je sodelovanje z umetno inteligenco tako tekoče in odzivno kot delo z drugo osebo, medtem ko sklepanje in izvajanje kompleksnih nalog nemoteno potekata v ozadju.

Starejše generacije glasovnih sistemov umetne inteligence so nas približale tej viziji, vendar s pomembnimi kompromisi.

Kaskadni glasovni sistemi se zanašajo na zaporedje modelov, ki zaporedno obdelajo vsako repliko. Prvotni Glasovni ChatGPT je povezal tri modele: model za pretvorbo govora v besedilo, ki prepiše vaš govor, veliki jezikovni model, ki ustvari odgovor, in model za pretvorbo besedila v govor, ki ga znova pretvori v govor. Ta pristop nam je prvič omogočil pogovor s prelomnimi modeli umetne inteligence, vendar je imela kompleksnost svojo ceno: informacije so se lahko med modeli izgubile, odgovori pa so bili počasni in okorni.

Glasovni modeli, ki temeljijo na izmenjavah, kot je napredni glasovni način ChatGPT, so zvok obdelovali in ustvarjali znotraj enega samega modela, kar je zmanjšalo zakasnitev in ustvarilo bolj tekoče pogovore – vendar so še vedno delovali v okviru ločenih replik. Model je moral pred odgovorom počakati, da uporabnik neha govoriti, kar je povzročilo tog ritem izmenjav. Ker zaznavanje izmenjav temelji na tišini, pa je lahko že kratek premor ali hrup v ozadju deloval kot konec replike, zato je model prekinil ob nenaravnih trenutkih.

GPT‑Live te omejitve naslavlja z dvema arhitekturnima spremembama.

Prvič, GPT‑Live smo zasnovali za neprekinjeno interakcijo z arhitekturo polnega dupleksa. Namesto da bi obdeloval zaporedje ločenih sporočil, GPT‑Live neprekinjeno obdeluje vhodne podatke, medtem ko ustvarja izhodne. Model lahko zato večkrat na sekundo sprejema odločitve o interakciji: ali naj govori, še naprej posluša, naredi premor, prekine ali prikliče orodje.

To modelu omogoča naravnejšo izmenjavo, boljši občutek za čas in celo prevajanje v živo.

Drugič, GPT‑Live, ki skrbi za neprekinjeno interakcijo, smo ločili od globljega dela. Ko vprašanje zahteva iskanje, sklepanje ali bolj agentske zmožnosti, lahko GPT‑Live nalogo delegira drugemu modelu, na primer GPT‑5.5. Tako lahko ohranja pogovor tudi, ko v ozadju opravlja več nalog.

Ta arhitekturna sprememba omogoča tudi, da GPT‑Live neprekinjeno uporablja najnovejše modele in agente ter združuje prelomno inteligenco z naravno interakcijo.

Zasnovali smo nove človeške evalvacije za merjenje prijetnosti in poteka pogovora. V teh neposrednih primerjavah imata GPT‑Live‑1 in GPT‑Live‑1 mini v primerljivih 5–10-minutnih pogovorih veliko prednost pred naprednim glasovnim načinom pri merjenju splošne preference, izmenjav, prekinitev, toka pogovora in naravnosti posamezne interakcije.

• GPQA: GPT‑Live‑1 pri GPQA bistveno presega napredni glasovni način; GPQA preverja znanstveno sklepanje na strokovni ravni iz biologije, kemije in fizike.
• BrowseComp: GPT‑Live‑1 kaže velik napredek v primerjavi z naprednim glasovnim načinom pri BrowseComp, ki preverja agentsko spletno iskanje in zmožnost iskanja težko dostopnih informacij.
• τ³-Voice Telecom**: GPT‑Live‑1 presega napredni glasovni način pri τ³-Voice Telecom, ki glasovne agente preizkuša na realističnih večpoteznih nalogah telekomunikacijske podpore.

Vsak teden se več kot 150 milijonov ljudi pogovarja s ChatGPT z uporabo funkcij, kot sta Glas in Narekovanje. Uporabljajo ga za vsakodnevno prostoročno pomoč, vajo jezikov, pripovedovanje pravljic za lahko noč ali preprosto klepet med vožnjo.

Od danes naprej boste ob dotiku gumba Glas za pogovor s ChatGPT dobili izboljšano izkušnjo, ki jo poganja GPT‑Live: naravnejše pogovore, pametnejše odgovore, boljše poslušanje in vizualne odzive.

Pogovor s ChatGPT bi se moral zdaj zdeti veliko bolj podoben pravemu pogovoru. Lahko ga prekinete z vprašanjem, se ustavite, da zberete misli, ali prosite ChatGPT, naj govori počasneje. Na to, kar govorite, se naravno odzove z izrazi, kot sta »mhmm« ali »razumem«, zato veste, da vas spremlja. Za GPT‑Live smo na novo obdelali tudi devet prepoznavnih glasov v ChatGPT.

Glasovni ChatGPT lahko zdaj uporablja naše najnovejše prelomne modele, zato vam ponudi pametnejše odgovore, ko jih potrebujete. Izberete lahko tudi raven sklepanja, ki ustreza vašim potrebam: »Instant« za hitre odgovore ali »Medium« (srednja raven) in »High« (visoka raven), kadar želite, da si ChatGPT vzame več časa za razmislek.

Če si vzamete trenutek za razmislek, Glasovni ChatGPT zdaj počaka, namesto da bi vskočil in vas prekinil. Če ga prosite, naj ostane tiho in posluša, bo to storil. Tudi ob hrupu v ozadju, na primer mimo vozečem prometu ali pogovorih v bližini, se ChatGPT bolje osredotoči na vaš glas in ga manj zmotijo motnje.

Nekateri odgovori so uporabnejši, ko jih lahko vidite. Med pogovorom lahko ChatGPT zdaj prikaže bogate vizualne kartice za teme, kot so vreme, delnice, šport in drugo. Glas še naprej podpira tudi iskanje, pomnilnik, slike in nalaganje datotek.

Rezultat je izkušnja Glasovnega ChatGPT, ki deluje naravnejše, zmogljivejše in uporabnejše v vsakdanjem življenju.

GPT‑Live je zasnovan tako, da je privzeto varen. Nadgrajuje varnostni napredek naših najnovejših modelov, hkrati pa dodaja namensko varnostno usposabljanje na ključnih področjih tveganja in nove zaščite, zasnovane posebej za glas.

Da bi bolje odražali, kako ljudje uporabljajo glas v resničnih okoliščinah, smo varnostno testiranje najprej razširili z novimi evalvacijami, zasnovanimi izvorno za zvok. Ustvarili smo tudi sintetične evalvacije, ki z ustvarjenim zvokom omogočajo intenzivnejše osredotočanje na ključna varnostna področja, pri čemer smo izhajali iz spoznanj iz naprednega glasovnega načina. Ta področja vključujejo samopoškodovanje, psihozo in manijo, čustveno zanašanje na umetno inteligenco, nasilje in spolne vsebine. Notranji strokovnjaki so model preizkusili tudi z red-teamingom glede tveganj, ki so značilna za glas.

V našem testiranju se je GPT‑Live na skoraj vseh ocenjenih področjih odrezal primerljivo z naprednim glasovnim načinom ali bolje od njega. Več o našem testiranju in zaščitah lahko preberete v sistemskem dokumentu⁠(odpre se v novem oknu) za GPT‑Live.

Ker glasovni pogovori potekajo v realnem času, smo vgradili tudi zaščite, ki lahko ukrepajo medtem, ko model govori. Ko sistem zazna potencialno nevarne izhodne podatke, lahko model usmeri k varnejšemu odgovoru, prikaže dodatna varnostna sporočila ali vire oziroma v primerih večjega tveganja konča glasovni pogovor. Za pogovore, ki vključujejo samopoškodovanje, smo podporne tokove ChatGPT prilagodili za glas, vključno s podporo kriznih telefonskih linij, ki so jo preverili strokovnjaki.

Zasnovali smo dodatne zaščite za podporo najstniškim uporabnikom, v model pa neposredno vgradili starosti primerno vedenje, da bi zmanjšali tveganje neprimernih odgovorov. Starši lahko prek starševskega nadzora izberejo, ali lahko njihov najstnik uporablja Glasovni ChatGPT, povezani starši pa so lahko obveščeni v primerih večjega tveganja, ki vključujejo znake morebitnega samopoškodovanja ali samomorilnih namenov.

Uvajamo tudi dolgoročnejše merjenje in spremljanje po uvedbi, osredotočeno na čustveno zanašanje, da bomo še naprej izboljševali razumevanje in izpopolnjevali zaščite. Na podlagi naših prejšnjih raziskav o afektivni uporabi in čustvenem dobrem počutju nam bo to pomagalo prepoznati nastajajoče vzorce in izboljšati odzivanje sistema v čustveno občutljivih interakcijah.

Nazadnje, GPT‑Live je zasnovan za pogovor, ne za posnemanje glasov. Uporablja nabor vnaprej določenih glasov v ChatGPT z zaščitami, ki preprečujejo posnemanje glasu resnične osebe.

Zavezani smo podpori varnosti in dobrega počutja ter bomo te zaščite še naprej krepili, ko se bomo učili iz uporabe v resničnem svetu.

GPT‑Live se zdaj uvaja za uporabnike ChatGPT po vsem svetu v iOS, Androidu in na ChatGPT.com⁠(odpre se v novem oknu). GPT‑Live‑1 bo postal privzeti model, ki poganja Glasovni ChatGPT za uporabnike Go, Plus in Pro, GPT‑Live‑1 mini pa bo privzeti za brezplačne uporabnike. Več podrobnosti o razpoložljivosti najdete v našem Centru za pomoč⁠(odpre se v novem oknu).

GPT‑Live smo optimizirali za nekatere najbolj priljubljene jezike v ChatGPT. Pri nekaterih jezikih ima lahko model nenaravni naglas ali vrzeli v tekočem izražanju. Aktivno si prizadevamo izboljšati izkušnjo v različnih jezikih.

Ob uvedbi GPT‑Live v ChatGPT ne bo podpiral glasu z videom ali deljenja zaslona, vendar si prizadevamo, da bi te zmožnosti uvedli kmalu. Še vedno lahko dostopate do starejših različic Glasovnega ChatGPT, vključno s standardnim in naprednim glasovnim načinom, kjer so te funkcije na voljo.