Η OpenAI λανσάρει τα φωνητικά μοντέλα GPT-Live για το ChatGPT

Η OpenAI λάνσαρε την Τετάρτη τα GPT-Live-1 και GPT-Live-1 mini, φωνητικά μοντέλα πλήρους αμφίδρομης επικοινωνίας (full-duplex) που διατίθενται παγκοσμίως στους χρήστες του ChatGPT.seekingalpha+1
Τα μοντέλα μπορούν να δέχονται διακοπές και να παρέχουν επιβεβαιώσεις κατά τη διάρκεια της απάντησης, προωθώντας σύνθετα ερωτήματα σε μοντέλα κειμένου, διατηρώντας παράλληλα τη ροή της συνομιλίας.cnet+1
Η κυκλοφορία πραγματοποιείται κατά τη διάρκεια μιας γεμάτης εβδομάδας για την τεχνητή νοημοσύνη, με την OpenAI να ετοιμάζεται επίσης να λανσάρει δημόσια το GPT-5.6 Sol την Πέμπτη, μετά την άρση της καθυστέρησης που είχε ζητηθεί από την κυβέρνηση.reuters+1

Η OpenAI κυκλοφόρησε την Τετάρτη τα GPT-Live-1 και GPT-Live-1 mini, ένα ζεύγος φωνητικών μοντέλων πλήρους αμφίδρομης επικοινωνίας που επιτρέπουν στο ChatGPT να ακούει και να μιλά ταυτόχρονα — μια απομάκρυνση από τις αλληλεπιδράσεις με εναλλαγή σειράς που χαρακτήριζαν μέχρι τώρα τους φωνητικούς βοηθούς τεχνητής νοημοσύνης. Τα μοντέλα διατίθενται παγκοσμίως από σήμερα.cnet+1

Ένα φωνητικό μοντέλο που ξέρει πότε να σωπαίνει

Η νέα αρχιτεκτονική GPT-Live αντιμετωπίζει έναν από τους πιο συνηθισμένους εκνευρισμούς με τη φωνητική τεχνητή νοημοσύνη: την αδυναμία διαχείρισης της φυσικής επικάλυψης στη συνομιλία. Αντί να αναγκάζει τους χρήστες σε ένα άκαμπτο μοτίβο ερώτησης-απάντησης, το GPT-Live-1 μπορεί να δέχεται διακοπές, να εκδίδει σύντομες επιβεβαιώσεις και να συνεχίζει να μιλά χωρίς να χάνει το πλαίσιο της συζήτησης.openthemagazine+1

"Το GPT-Live μπορεί να παραμείνει σε συνομιλία με τον χρήστη", δήλωσε ο Kundan Kumar, επικεφαλής έρευνας για το μοντέλο GPT-Live, περιγράφοντάς το ως το "εξυπνότερο φωνητικό μοντέλο" της OpenAI μέχρι σήμερα. Ο Kumar, ερευνητής φωνητικής τεχνητής νοημοσύνης που εντάχθηκε στην OpenAI από την Character.AI, ηγείται της ανάπτυξης των μοντέλων ήχου της εταιρείας από τις αρχές του 2026.siliconangle+2

Δρομολόγηση και οπτικά συμπληρώματα

Όταν το GPT-Live-1 συναντά ερωτήματα που απαιτούν βαθύτερη λογική ή πληροφορίες σε πραγματικό χρόνο, τα προωθεί αυτόματα στα μοντέλα κειμένου της OpenAI για επεξεργασία, συμπεριλαμβανομένων των δυνατοτήτων αναζήτησης στον ιστό — όλα αυτά διατηρώντας τη φωνητική συνομιλία. Το αναβαθμισμένο μοντέλο συμπληρώνει επίσης τις συζητήσεις για θέματα όπως ο καιρός, οι μετοχές και τα αθλητικά με οπτικά στοιχεία που δημιουργούνται από τεχνητή νοημοσύνη, γεφυρώνοντας το χάσμα μεταξύ της αλληλεπίδρασης μόνο με φωνή και της πολυτροπικής αλληλεπίδρασης.theverge+2

Μια γεμάτη εβδομάδα για τις κυκλοφορίες τεχνητής νοημοσύνης

Η κυκλοφορία του GPT-Live έρχεται κατά τη διάρκεια μιας από τις πιο πολυάσχολες εβδομάδες στον τομέα της τεχνητής νοημοσύνης φέτος. Η OpenAI προετοιμάζεται επίσης να κυκλοφορήσει δημόσια το GPT-5.6 Sol την Πέμπτη, το πιο προηγμένο μοντέλο κειμένου της, μετά την άρση της καθυστέρησης που είχε ζητηθεί από την κυβέρνηση. Η Meta λάνσαρε το μοντέλο παραγωγής εικόνας Muse αυτή την εβδομάδα, και η xAI φέρεται να ετοιμάζει ένα νέο μοντέλο σε συνεργασία με την Anysphere, την εταιρεία πίσω από το εργαλείο προγραμματισμού Cursor.bloomberg+2

Τα μοντέλα GPT-Live αποτελούν την κορύφωση της εργασίας που ξεκίνησε με το GPT-Realtime-2 της OpenAI για προγραμματιστές τον Μάιο, το οποίο έφερε τη λογική επιπέδου GPT-5 στις φωνητικές αλληλεπιδράσεις μέσω API. Με τον ήχο πλήρους αμφίδρομης επικοινωνίας να φτάνει πλέον στα εκατοντάδες εκατομμύρια χρηστών του ChatGPT, η OpenAI ποντάρει στο ότι η φωνή θα γίνει η κύρια διεπαφή για την τεχνητή νοημοσύνη — και όχι απλώς ένα χαρακτηριστικό ευκολίας.reuters+1

Πηγές (50)