Iratkozzon fel hírlevelünkre 
Itt állíthatja be, hogy a Google keresőben elsők között legyen az Origo.huSokkal természetesebb lehet a kommunikáció a mesterséges intelligenciával. A ChatGPT Hang működését biztosító új hangmodellt mától vezeti be az OpenAI.
A mesterséges intelligenciával már eddig is lehetett beszéd útján kapcsolatba kerülni, de azért eddig ez nem volt zökkenőmentes élmény. Az OpenAI legújabb hangmodellje azonban előrelépést jelenthet. Az új GPT-Live hangmodell egyszerre képes hallgatni a felhasználókat és beszélni. Ez természetesebb kommunikációt jelenthet a ChatGPT-vel, a hírek szerint a modell képes lesz jelezni, hogy figyel, miközben a felhasználó beszél hozzá.
Új hangmodellt kap a ChatGPT Hang, és sokkal természetesebb lesz
Mindezt úgy valósítja meg a GPT-Live, amely mostantól a ChatGPT Hang működését biztosítja., hogy folyamatosan feldolgozza a bemeneti adatokat, és eldönti, hogy beszéljen-e, hallgasson-e, vagy szünetet tartson, miközben a felhasználót hallgatja. Így természetes válaszokkal tud közbeszólni még akkor is, ha a felhasználó tovább beszél. (Ha belegondolunk, igazából mi, emberek is ezt csináljuk, nem? Csak a mi folyamataink nem okoznak globális memóriaválságot...)
A GPT-Live új megközelítést alkalmaz azoknál a kérdéseknél is, amelyeknél többet kell gondolkodnia vagy az interneten kell keresnie. A modell lényegében átadja a feladatot egy olyan modellnek, mint például a GPT-5.5, és közben folytatja a párbeszédet a felhasználóval. Ez megfelelő módszer lehet arra, hogy a beszélgetés ne akadjon el, miközben a ChatGPT a háttérben lázasan végzi a kutatást.
A GPT-Live tehát összességében jobban figyel a felhasználókra. Ha valaki beszéd közben szünetet tart, hogy elgondolkodjon, a GPT-Live megvárja, amíg befejezi a mondandóját. A felhasználók azt is kérhetik a ChatGPT-től, hogy maradjon csendben és figyeljen, és a rendszer jobban képes a felhasználó hangjára figyelni és összpontosítani anélkül, hogy a különböző környezeti zajok elterelnék a figyelmét.
Az új modell vizuális válaszokat is képes adni. Az időjárással, a tőzsdével, a sporttal és egyéb témákkal kapcsolatos kérdésekre tartalmas vizuális kártyákat tud megjeleníteni.
Fotó: Unsplash
Az OpenAI új hangmodellje meglehetősen hasonlít a Gemini Livera. A GPT-Live azonban az eddig ismert információk alapján fejlettebbnek tűnik az Android Authority szerint, mint a Google megoldása. A Gemini Live képes követni a hosszú beszélgetéseket, de nem reagál annyira természetesen, mint a GPT-Live. A GPT-Live emellett vizuális eredményeket is képes megjeleníteni, és feladatokat delegálhat más OpenAI-modelleknek a beszélgetés zökkenőmentességének és természetességének biztosítása érdekében, ami a Gemini Live-nál egyelőre nem lehetséges. Ez a jövőben persze változhat, de egyelőre úgy tűnik, hogy a GPT-Live van előnyben.
Az OpenAI két GPT-Live modellt ad ki: a GPT-Live-1-et és a GPT-Live-mini-t. A GPT-Live-1 lesz az alapértelmezett modell a ChatGPT Pro, Plus és Go felhasználók számára, míg a GPT-Live-mini lesz az alapértelmezett modell az ingyenes felületen. Az új hangalapú funkció a ChatGPT okostelefonos alkalmazásaiban, valamint a webes felületen is elérhető lesz.
