Az OpenAI most adta meg a ChatGPT Voice eddigi legnagyobb frissítését, és a részletek alapján ez az egyik legfontosabb bejelentésük az utóbbi időben. Nem egyszerűen gyorsabbá vagy okosabbá tették az MI-t, hanem azt próbálják elérni, hogy a beszélgetések valóban emberinek hassanak.

A GPT Live egy új hangalapú rendszer, amely leváltja a régi, felváltva beszélős megoldást egy sokkal természetesebb élménnyel. Nem várja meg, amíg teljesen befejezed a mondandódat, mielőtt válaszolna, hanem egyszerre tud hallgatni és beszélni. Rövid „mhmm” vagy „aha” reakciókkal tud visszajelezni, megvárja, amíg gondolkodsz, vagy csendben marad, ha a beszélgetés ezt kívánja.

A háttérben egy full-duplex architektúra működik, amely lehetővé teszi, hogy a GPT Live folyamatosan dolgozza fel a hangot, ahelyett hogy minden egyes megszólalást külön kérésként kezelne. Így a beszélgetés sokkal inkább hasonlít egy valódi emberrel folytatott párbeszédre, mint egy chatbot használatára.

Az OpenAI a beszélgetést és a következtetést is szétválasztotta. A természetes oda-vissza párbeszédet a GPT Live kezeli, míg az összetettebb feladatokat – például a webes keresést vagy a mélyebb következtetést – a háttérben futó GPT-5.5-re bízza. Így a ChatGPT folyamatosan tud veled beszélgetni, ahelyett hogy „megállna”, amíg gondolkodik.

A cég szerint a GPT Live az eddigi Advanced Voice Mode-ot is felülmúlta a belső teszteken, amelyek a beszélgetés folyamatosságát, a félbeszakítások kezelését, a természetességet, a tudományos következtetést és a webes keresési feladatokat vizsgálták. Emellett gazdagabb vizuális válaszokat is ad hangalapú beszélgetés közben, például időjárás-előrejelzést, sporteredményeket, tőzsdeadatokat, térképeket és más interaktív kártyákat.

A felhasználók a gyakorlatban is érezhető fejlesztéseket kapnak. A ChatGPT Voice mostantól jobban kiszűri a háttérzajt, kisebb eséllyel vág a szavadba, amikor gondolkodsz, és kérésre a beszédtempóját is lassítani tudja.

A biztonság is egyértelműen kiemelt szempont volt. Az OpenAI szerint a GPT Live új, kifejezetten hangalapú beszélgetésekre tervezett védelmi megoldásokat tartalmaz, és kiterjesztett tesztelést végeztek érzékeny témákra, például az önsértésre, az érzelmi függőségre, az erőszakra és a nem megfelelő tartalmakra. A cég további védelmeket vezetett be tinédzser felhasználók számára, és továbbra is csak előre meghatározott hangokat enged használni, hogy megelőzze a hangutánzást.

A GPT Live mától világszerte elérhető iOS-en, Androidon és a weben. A GPT Live-1 lesz az alapértelmezett hangmodell a Go, Plus és Pro előfizetőknek, míg az ingyenes felhasználók a GPT Live-1 mini változatot kapják. Videó és képernyőmegosztás egyelőre nem működik a GPT Live-val, de az OpenAI szerint ezek a funkciók később érkeznek.

Elég sokat használtam a ChatGPT Voice-t, és bár már eddig is lenyűgöző volt, a beszélgetések néha még mindig gépiesnek tűntek. Ha a GPT Live beváltja, amit az OpenAI ígér, a ChatGPT-vel folytatott beszélgetés végre kevésbé fog parancsok kiadásának, és sokkal inkább valódi társalgásnak érződni.