ChatGPT научился одновременно говорить и слушать

OpenAI представила семейство голосовых моделей GPT-Live для более естественного общения с нейросетью.
GPT-Live может воспринимать речь пользователя и генерировать ответ одновременно, что позволяет вести диалог без пауз и потери интонаций.
Первая версия голосового режима ChatGPT была цепочкой из трех отдельных моделей, что приводило к паузам и неестественному диалогу.
В 2024 году появился режим Advanced Voice, который использовал одну мультимодальную нейросеть для обработки звука и генерации ответа.
GPT-Live имеет полнодуплексную архитектуру, которая позволяет модели анализировать аудиопоток и принимать решения о том, что делать в каждый момент времени.
Модель может показывать карточки с запрашиваемой информацией и перенаправлять сложные запросы более мощным моделям.
GPT-Live обеспечивает безопасность общения, отслеживая входной аудиопоток и генерируемый ответ для предотвращения опасного контента.
Старшая версия GPT-Live-1 доступна для платных подписчиков ChatGPT, а облегченная GPT-Live-1 mini - для бесплатных аккаунтов.