ΗOpenAI ανακοίνωσε τα νέα φωνητικά μοντέλα GPT-Live-1 και GPT-Live-1 mini, τα οποία έχουν σχεδιαστεί για να προσφέρουν πιο φυσικές και ομαλές συνομιλίες με τους χρήστες. Τα μοντέλα βασίζονται σε πλήρως αμφίδρομη επικοινωνία, επιτρέποντας στο σύστημα να ακούει και να μιλά ταυτόχρονα.
Δηλαδή, οι χρήστες μπορούν να διακόπτουν τον βοηθό χωρίς να διακόπτεται η ροή της συνομιλίας, ενώ υποστηρίζονται λειτουργίες όπως η ζωντανή μετάφραση.
Η εταιρεία αντικαθιστά την υπάρχουσα Προηγμένη Λειτουργία Φωνής του ChatGPT με το GPT-Live-1 mini ως προεπιλογή, ενώ οι συνδρομητές των επί πληρωμή προγραμμάτων θα έχουν πρόσβαση στο ισχυρότερο GPT-Live-1. Σε αντίθεση με την προηγούμενη τεχνολογία, που συνδύαζε ξεχωριστά μοντέλα για αναγνώριση ομιλίας, επεξεργασία κειμένου και σύνθεση φωνής, τα νέα μοντέλα προσφέρουν πιο άμεση και φυσική αλληλεπίδραση.
Σύμφωνα με την OpenAI, τα νέα συστήματα αντιμετωπίζουν προβλήματα όπως οι αδέξιες διακοπές κατά τη διάρκεια της συνομιλίας και η περιορισμένη ικανότητα κατανόησης σύνθετων ερωτήσεων. Παράλληλα, μπορούν να αξιοποιούν τα πιο πρόσφατα γλωσσικά μοντέλα, όπως το GPT-5.5, για αναζήτηση πληροφοριών, συλλογισμό και εκτέλεση σύνθετων εργασιών χωρίς να διακόπτεται η συνομιλία.
Ένα ακόμη χαρακτηριστικό είναι η δυνατότητα του βοηθού να παραμένει σιωπηλός όταν χρειάζεται, ακούγοντας προσεκτικά μέχρι να του ζητηθεί να απαντήσει. Επιπλέον, μπορεί να παρουσιάζει πληροφορίες και σε οπτική μορφή, κάνοντας την αλληλεπίδραση πιο διαδραστική.
Η OpenAI υποστηρίζει ότι η νέα φωνητική λειτουργία έχει σχεδιαστεί για συνομιλίες μεγάλης διάρκειας. Όπως ανέφερε η υπεύθυνη προϊόντος του ChatGPT Voice, Atty Eleti, κατά τις δοκιμές είχε συνομιλίες διάρκειας έως και 40 λεπτών, γεγονός που δείχνει ότι η τεχνολογία μπορεί να χρησιμοποιηθεί σε καθημερινές δραστηριότητες χωρίς να κουράζει τον χρήστη.
Η εταιρεία εκτιμά ότι στο μέλλον η φωνή θα αποτελέσει τη βασική διεπαφή αλληλεπίδρασης με τους υπολογιστές, ιδιαίτερα για πιο σύνθετες εργασίες. Σήμερα περισσότεροι από 150 εκατομμύρια χρήστες αξιοποιούν ήδη τις λειτουργίες Voice και Dictation του ChatGPT.
Παρά τις σημαντικές βελτιώσεις, η νέα τεχνολογία εξακολουθεί να έχει περιθώρια εξέλιξης. Σε επίδειξη της λειτουργίας ζωντανής μετάφρασης στα Χίντι, η προφορά του βοηθού παρέμενε έντονα αμερικανική, γεγονός που έκανε την ομιλία να ακούγεται λιγότερο φυσική.
Παράλληλα, η OpenAI τόνισε ότι τα νέα μοντέλα διαθέτουν δικλείδες ασφαλείας για την παροχή κατάλληλων απαντήσεων σε εφήβους και για τη διαχείριση ευαίσθητων θεμάτων, όπως ο αυτοτραυματισμός.
