OpenAI setur á laggirnar GPT-Live raddlíkön fyrir ChatGPT

OpenAI gaf á miðvikudaginn út GPT-Live-1 og GPT-Live-1 mini, tvö full-duplex raddlíkön sem gera ChatGPT kleift að hlusta og tala samtímis — sem er frávik frá þeim samskiptum sem byggja á biðröðum og hafa hingað til skilgreint raddaðstoðarmenn gervigreindar. Líkönin eru að koma út á heimsvísu frá og með deginum í dag.cnet+1

Raddlíkan sem veit hvenær á að vera hljótt

Nýja GPT-Live arkitektúrinn tekur á einni algengustu pirringnum við raddgervigreind: vanhæfni til að höndla eðlilega skörun í samtali. Í stað þess að neyða notendur í stíft kerfi þar sem beðið er eftir svari, getur GPT-Live-1 tekið við truflunum, gefið stuttar staðfestingar og haldið áfram að tala án þess að missa samhengið.openthemagazine+1

"GPT-Live getur enn verið í samtali við notandann," sagði Kundan Kumar, rannsóknarstjóri fyrir GPT-Live líkanið, og lýsti því sem "snjallasta raddlíkani" OpenAI hingað til. Kumar, rannsakandi á sviði raddgervigreindar sem gekk til liðs við OpenAI frá Character.AI, hefur stýrt þróun hljóðlíkana fyrirtækisins frá byrjun árs 2026.siliconangle+2

Beining og sjónræn viðbót

Þegar GPT-Live-1 mætir fyrirspurnum sem krefjast dýpri rökhugsunar eða rauntímaupplýsinga, beinir það þeim sjálfkrafa til textalíkana OpenAI til úrvinnslu, þar með talið vefleitargetu — allt á meðan raddsamtalið heldur áfram. Uppfærða líkanið bætir einnig við umræður um efni eins og veður, hlutabréf og íþróttir með gervigreindarmyndum sem sýna viðeigandi upplýsingar, sem brúar bilið á milli eingöngu radd- og fjölþættra samskipta.theverge+2

Annasöm vika fyrir gervigreindarútgáfur

GPT-Live útgáfan kemur á einni annasömustu viku ársins í gervigreind. OpenAI er einnig að undirbúa almenna útgáfu á GPT-5.6 Sol á fimmtudaginn, sem er þeirra fullkomnasta textalíkan, eftir að tafir sem stjórnvöld fóru fram á voru afléttar. Meta ↘ 1.64% setti Muse myndgerðarlíkanið sitt á markað í vikunni og xAI er sagt vera að undirbúa nýtt líkan í samstarfi við Anysphere, fyrirtækið á bak við forritunartólið Cursor.bloomberg+2

GPT-Live líkönin tákna lokahnykkinn í vinnu sem hófst með GPT-Realtime-2 frá OpenAI fyrir forritara í maí, sem færði GPT-5 flokks rökhugsun í raddsamskipti í gegnum API. Með full-duplex hljóði sem nær nú til hundruða milljóna notenda ChatGPT, veðjar OpenAI á að rödd verði aðalviðmót fyrir gervigreind — ekki bara þægindaeiginleiki.reuters+1