Tunaitambulisha GPT‑Live

Tunazindua GPT‑Live, kizazi kipya cha miundo ya sauti kinachofanya kuzungumza na AI kuhisi zaidi kama mazungumzo halisi.

GPT‑Live imejengwa kwenye usanifu wa full-duplex, kumaanisha inaweza kusikiliza na kuzungumza kwa wakati mmoja. Wakati wa mazungumzo, GPT‑Live inaweza kuonyesha kuwa inakusikiliza kwa misemo kama “mmh” au “ndiyo”, kushiriki katika majibizano ya haraka, au kubaki kimya unapohitaji muda wa kufikiri. Matokeo yake ni matumizi ya sauti ambayo ni rahisi kuzungumza nayo kwa namna ya kuvutia.

GPT‑Live pia ndiyo muundo wetu mahiri zaidi wa sauti kufikia sasa. Kwa maswali yanayohitaji utafutaji wa wavuti, uwazaji wa kina, au kazi changamano zaidi, hukabidhi kwa muundo wetu mpya zaidi wa mpaka chinichini na kurudisha matokeo kwenye mazungumzo yakiwa tayari. Inapofanya kazi, GPT‑Live inaweza kuendelea kuzungumza nawe na kudumisha mtiririko wa mazungumzo. Wakati wa uzinduzi, GPT‑Live itatumia GPT‑5.5 chinichini. Tunapotoa miundo mipya ya mpaka, tutaendelea kusasisha muundo unaotumiwa na GPT‑Live.

Maendeleo haya yanaendesha matumizi mapya ya Zungumza na ChatGPT ambayo ni werevu zaidi na ya kawaida zaidi kutumia. Kadri muda unavyopita, tunaamini utafiti huu pia utafungua uwezo wa kutumia sauti kwa kazi zinazozidi kuwa changamano, za muda mrefu, na za kiwakala zaidi.

Leo tunaanza kusambaza matoleo mawili ya GPT‑Live – GPT‑Live‑1 na GPT‑Live‑1 mini – kwa watumiaji wa ChatGPT duniani kote. Pia tunapanga kuyaleta kwenye API hivi karibuni, na wasanidi programu pamoja na mashirika wanaweza kujisajili ili kuarifiwa kwa kutumia fomu⁠ hii.

Maono yetu ni kuwezesha mwingiliano wa kweli wa kawaida kati ya binadamu na AI: dunia ambamo kushirikiana na AI huhisi laini na yenye mwitikio kama kufanya kazi na mtu mwingine, huku uwazaji na utekelezaji wa kazi changamano ukifanyika bila hitilafu chinichini.

Vizazi vya zamani vya mifumo ya AI ya sauti vilitusogeza karibu na maono hayo, lakini kukiwa na maafikiano muhimu.

Mifumo ya sauti ya mfululizo hutegemea msururu wa miundo inayofanya kazi mmoja baada ya mwingine kuchakata kila zamu. Zungumza na ChatGPT ya awali iliunganisha miundo mitatu: muundo wa kubadilisha hotuba kuwa maandishi ili kunakili hotuba yako, muundo mkubwa wa lugha kuzalisha jibu, na muundo wa kubadilisha maandishi kuwa hotuba ili kulirudisha kuwa sauti. Mbinu hii ilituwezesha kuzungumza na miundo ya AI ya mpaka kwa mara ya kwanza, lakini uchangamano wake ulikuwa na gharama: taarifa zingeweza kupotea kati ya miundo, na majibu yalikuwa ya polepole na yasiyo na ufasaha.

Miundo ya sauti ya zamu kwa zamu kama hali ya sauti mahiri ya ChatGPT ilichakata na kuzalisha sauti ndani ya muundo mmoja, ikipunguza ucheleweshaji na kufanya mazungumzo yawe laini zaidi — lakini bado ilifanya kazi kupitia zamu tofauti. Muundo ulilazimika kusubiri mtumiaji amalize kuzungumza kabla ya kujibu, na kusababisha majibizano magumu. Zaidi ya hayo, kwa kuwa kugundua zamu kunategemea ukimya, hata kusita kwa muda mfupi au kelele ya usuli kungeweza kudhaniwa kuwa mwisho wa zamu — na kusababisha muundo ukatishe kwa nyakati zisizo za kawaida.

GPT‑Live hushughulikia vikwazo hivi kupitia mabadiliko mawili ya usanifu.

Kwanza, tulijenga GPT‑Live kwa mwingiliano endelevu kwa kutumia usanifu wa full-duplex. Badala ya kuchakata mfululizo wa ujumbe tofauti, GPT‑Live huchakata ingizo kila wakati huku ikizalisha towe. Kwa hiyo muundo unaweza kufanya maamuzi ya mwingiliano mara nyingi kila sekunde: iwapo uzungumze, uendelee kusikiliza, usite, ukatishe, au uitishe zana.

Hii huwezesha muundo kushiriki katika majibizano ya kawaida zaidi, kudumisha hisia bora ya muda, na hata kufanya tafsiri ya moja kwa moja.

Pili, tulitenganisha GPT‑Live — inayoshughulikia mwingiliano endelevu — na kazi za kina zaidi. Swali linapohitaji utafutaji, uwazaji, au uwezo wa kiwakala zaidi, GPT‑Live inaweza kukabidhi kazi hiyo kwa muundo mwingine kama GPT‑5.5. Hii huiwezesha kuendeleza mazungumzo, hata inaposhughulikia kazi nyingi chinichini.

Mabadiliko haya ya usanifu pia yanawezesha GPT‑Live kutumia kila wakati miundo na mawakala wapya zaidi, ikiunganisha akili ya mpaka na mwingiliano wa kawaida.

Tulijenga tathmini mpya za kibinadamu kupima kupendeza na mtiririko wa mazungumzo. Katika ulinganisho huu wa moja kwa moja, GPT‑Live‑1 na GPT‑Live‑1 mini zinapendelewa sana kuliko hali ya sauti mahiri katika mazungumzo yanayolingana ya dakika 5–10 yanayopima upendeleo wa jumla, kupokezana zamu, ukatizaji, mtiririko wa mazungumzo, na jinsi kila mwingiliano ulivyohisi wa kawaida.

• GPQA: GPT‑Live‑1 inaishinda kwa kiasi kikubwa hali ya sauti mahiri kwenye GPQA, inayojaribu uwazaji wa kisayansi wa kiwango cha mtaalamu katika baiolojia, kemia, na fizikia.
• BrowseComp: GPT‑Live‑1 inaonyesha maboresho makubwa dhidi ya hali ya sauti mahiri kwenye BrowseComp, inayojaribu utafutaji wa wavuti wa kiwakala na uwezo wa kupata taarifa zilizo ngumu kupatikana.
• τ³-Voice Telecom**: GPT‑Live‑1 inaishinda hali ya sauti mahiri kwenye τ³-Voice Telecom, inayojaribu mawakala wa sauti kwenye kazi halisi za usaidizi wa mawasiliano ya simu zenye zamu nyingi.

Kila wiki, zaidi ya watu milioni 150 huzungumza na ChatGPT kwa kutumia vipengele kama Sauti na Kuandika kwa Kutamka. Huitumia kupata usaidizi wa kila siku bila kutumia mikono, kufanya mazoezi ya lugha, kusimulia hadithi za wakati wa kulala, au kupiga gumzo tu wakiwa safarini.

Kuanzia leo, ukigusa kitufe cha Sauti ili kuzungumza na ChatGPT, utapata matumizi yaliyoboreshwa yanayoendeshwa na GPT‑Live—yenye mazungumzo ya kawaida zaidi, majibu mahiri zaidi, usikilizaji bora, na majibu ya picha.

Kuzungumza na ChatGPT sasa kunapaswa kuhisi zaidi kama mazungumzo halisi. Unaweza kukatiza kwa swali, kusita kidogo kukusanya mawazo yako, au kuiomba ChatGPT izungumze polepole. Huitikia kwa kawaida unachosema kwa misemo kama “mmh” au “nimeelewa,” ili ujue inafuatilia. Pia tumeyaboresha upya masauti tisa tofauti katika ChatGPT kwa ajili ya GPT‑Live.

Zungumza na ChatGPT sasa inaweza kutumia miundo yetu mipya zaidi ya mpaka, ikikupa majibu mahiri zaidi unapoyahitaji. Unaweza pia kuchagua kiwango cha uwazaji kinachokufaa: Instant kwa majibu ya haraka, au Medium na High unapotaka ChatGPT itumie muda zaidi kufikiri.

Ukichukua muda kufikiri, Zungumza na ChatGPT sasa husubiri badala ya kuingilia na kukukatiza. Ukiomba ikae kimya na kusikiliza, itafanya hivyo. Na kukiwa na kelele za usuli, kama magari yanayopita au mazungumzo karibu, ChatGPT huweza kuzingatia sauti yako vizuri zaidi badala ya kuvurugwa.

Baadhi ya majibu huwa na manufaa zaidi unapoweza kuyaona. Unapozungumza, ChatGPT sasa inaweza kuonyesha kadi za picha zenye maelezo kwa mada kama hali ya hewa, hisa, michezo, na zaidi. Sauti pia inaendelea kusaidia utafutaji, kumbukumbu, picha, na upakiaji wa faili.

Matokeo yake ni matumizi ya Zungumza na ChatGPT yanayohisi ya kawaida zaidi, yenye uwezo zaidi, na yenye manufaa zaidi katika maisha ya kila siku.

GPT‑Live ilibuniwa kuwa salama kwa chaguomsingi. Inajengwa juu ya maendeleo ya usalama kutoka kwa miundo yetu mipya zaidi huku ikiongeza mafunzo mahususi ya usalama katika maeneo muhimu ya hatari na ulinzi mpya ulioundwa hasa kwa sauti.

Ili kuakisi vizuri zaidi jinsi watu hutumia sauti katika mazingira halisi, tulianza kwa kupanua upimaji wetu wa usalama ili kujumuisha tathmini mpya zinazotegemea sauti kiasili. Pia tuliunda tathmini za sintetiki zinazotumia sauti iliyozalishwa ili kuangazia zaidi maeneo muhimu ya usalama, tukitumia tuliyojifunza kutoka hali ya sauti mahiri. Maeneo hayo yanajumuisha kujidhuru, saikosi na mania, kutegemea AI kihisia, vurugu, na maudhui ya kingono. Wataalamu wa ndani pia walifanya red-team kwa muundo dhidi ya hatari za kipekee za sauti.

Katika majaribio yetu, GPT‑Live ilifanya vizuri kwa kiwango sawa au bora kuliko hali ya sauti mahiri katika karibu maeneo yote tuliyotathmini. Unaweza kusoma zaidi kuhusu majaribio na ulinzi wetu katika kasi ya mfumo⁠(fungua katika dirisha jipya) ya GPT‑Live.

Kwa kuwa mazungumzo ya sauti hufanyika papo hapo, pia tulijenga ulinzi unaoweza kuchukua hatua muundo unapozungumza. Mfumo unapogundua matokeo yanayoweza kuwa si salama, unaweza kuuelekeza muundo kwenye jibu salama zaidi, kuonyesha ujumbe au nyenzo za ziada za usalama, au kumaliza mazungumzo ya sauti katika visa vya hatari kubwa. Kwa mazungumzo yanayohusu kujidhuru, tulibadilisha mifumo ya usaidizi ya ChatGPT kwa sauti, ikijumuisha kutoa usaidizi wa nambari za dharura uliopitiwa na wataalamu.

Tulibuni ulinzi wa ziada kuwasaidia watumiaji vijana, na tukafundisha moja kwa moja tabia inayofaa umri ndani ya muundo ili kupunguza hatari ya majibu yasiyofaa. Wazazi wanaweza kuchagua iwapo kijana wao anaweza kutumia Zungumza na ChatGPT kupitia udhibiti wa wazazi, na wazazi waliounganishwa wanaweza kuarifiwa katika hali za hatari kubwa zinazohusisha dalili za uwezekano wa kujidhuru au nia ya kujiua.

Pia tunazindua upimaji wa muda mrefu na ufuatiliaji baada ya uzinduzi unaolenga kutegemea kihisia ili kuendelea kuboresha uelewa wetu na kuboresha ulinzi. Kwa kuendeleza utafiti wetu wa awali kuhusu matumizi ya kihisia na ustawi wa kihisia, hili litatusaidia kutambua mifumo mipya na kuboresha jinsi mfumo unavyojibu katika mwingiliano nyeti kihisia.

Hatimaye, GPT‑Live imeundwa kwa mazungumzo, si kuiga sauti ya mtu. Inatumia seti ya sauti zilizowekwa awali katika ChatGPT, ikiwa na ulinzi wa kuizuia kuiga sauti ya mtu halisi.

Tumejizatiti kusaidia usalama na ustawi, na tutaendelea kuimarisha ulinzi huu tunapojifunza kutokana na matumizi halisi.

GPT‑Live inaanza kutolewa sasa kwa watumiaji wa ChatGPT duniani kote kwenye iOS, Android, na ChatGPT.com⁠(fungua katika dirisha jipya). GPT‑Live‑1 itakuwa muundo chaguomsingi unaoendesha Zungumza na ChatGPT kwa watumiaji wa Go, Plus, na Pro, na GPT‑Live‑1 mini itakuwa chaguomsingi kwa watumiaji wa Free. Maelezo zaidi ya upatikanaji yanapatikana katika Kituo cha Usaidizi⁠(fungua katika dirisha jipya) chetu.

Tumeboresha GPT‑Live kwa baadhi ya lugha maarufu zaidi katika ChatGPT. Kwa lugha fulani, muundo unaweza kuwa na lafudhi isiyo ya mzawa au mapengo katika ufasaha. Tunafanya kazi kikamilifu kuboresha matumizi katika lugha zote.

Wakati wa uzinduzi, GPT‑Live haitatumia sauti pamoja na video au kushiriki skrini katika ChatGPT, lakini tunafanya kazi kuleta uwezo huu hivi karibuni. Bado unaweza kufikia matoleo ya zamani ya Zungumza na ChatGPT, ikijumuisha Standard na hali ya sauti mahiri, mahali vipengele hivi vinapatikana.