OpenAI daha doğal canlı konuşmalar için yeni ses modelleri yayınladı

OpenAI bugün GPT-Live-1 ve GPT-Live-1 mini adı verilen yeni konuşma modellerini yayınladık ve bunların daha doğal ses çıkardığını ve sıra almayı daha iyi idare edebildiklerini iddia ettik. Bunlar tam çift yönlü modellerdir; yani aynı anda konuşup dinleyebilirler, kullanıcıların doğal bir şekilde araya girmesine olanak tanır ve canlı çeviri gibi özelliklere olanak tanırlar. Şirket ayrıca ChatGPT'deki mevcut Gelişmiş Ses Modunu varsayılan olarak GPT-Live-1 mini ile değiştiriyor. Ücretli katmanların kullanıcıları daha büyük GPT-Live-1 modeline erişebilecek. Önceki model, konuşmayı yazıya dökmek için konuşmayı metne modeli, yanıtlar oluşturmak için büyük bir dil modeli ve nihai yanıtı sağlamak için metinden konuşmaya modelini birleştiriyordu. Şirket, basın toplantısında yeni modellerin, kullanıcıların konuşurken sözünü kesmesi ve soruları yanıtlayacak yeterli zekaya sahip olmaması gibi sorunları çözdüğünü söyledi. OpenAI'nin yeni modelleri, konuşmayı sürdürürken arama, akıl yürütme veya aracılık yetenekleri için sorguyu GPT-5.5 gibi en yeni metin modellerine gönderecektir. OpenAI ayrıca modelin uzun süre sessiz kalabildiğini ve çağrılıncaya kadar konuşmanın içeriğini özümseyebildiğini de gösterdi. Ayrıca yeni ses modunun daha yeni GPT modellerine erişimi olduğundan bazı bilgileri görsel formatta da sunabiliyor.

DST ve Lux Capital'den 40 milyon dolarlık başlangıç ​​fonu toplayan Monogram gibi diğer girişimler de asistanları daha etkileşimli hale getirmek için görsel yanıtlara yöneliyor. Şirket, ChatGPT'deki yeni ses modunun daha uzun konuşmalar için tasarlandığını söyledi. Brifing sırasında ChatGPT Voice'un ürün sorumlusu Atty Eleti, yürüyüşler sırasında ses özelliğiyle 30 ila 40 dakika süren görüşmeler yaptığını söyledi. OpenAI karmaşık işlerde sesin bilgi işlem için birincil arayüz olabileceğini düşünüyor. Raporlar, bu yıl yapay zeka özelliklerine sahip bir çift kulaklık piyasaya sürebileceğini öne sürüyor. Ancak donanım ürünlerine ilişkin herhangi bir bilgi verilmedi. Zamanla bunun, sesi bilgisayar için bir tür birincil arayüz olarak kullanma ve giderek daha karmaşık hale gelen uzun vadeli aracılı işleri yönetme becerisinin de kilidini açacağını düşünüyoruz. Eleti, insanların başarmak için Codex ve ChatGPT kullandığını gördüğümüz inanılmaz kullanım durumlarının, sesin her türlü iş için gelecekteki arayüz olabileceğini düşünüyoruz dedi. OpenAI, ChatGPT'nin ses modunun sesini daha doğal hale getirmek için son birkaç yılda ses tabanlı özellikleri güçlendirmek üzerinde çalıştı.