OpenAI mení hlasový režim ChatGPT tak, aby rozhovor konečne nepôsobil prerušovane. Nový model GPT-Live dokáže zároveň počúvať aj hovoriť, takže reaguje plynulejšie aj počas toho, ako ešte rozprávate.
Okrem samotnej „full-duplex“ konverzácie pridáva aj vizuálne odpovede a nový spôsob, ako rieši náročnejšie otázky bez toho, aby sa dialóg zasekol. OpenAI zároveň spúšťa dve verzie modelu a rozdeľuje ich podľa typu účtu.
Full-duplex hlas: menej pauz, viac prirodzenej interakcie
GPT-Live je postavený na full-duplex architektúre, čo v praxi znamená schopnosť počúvať používateľa a súčasne hovoriť. OpenAI tvrdí, že práve toto má posunúť hlasové rozhovory bližšie k bežnej ľudskej komunikácii, kde sa reakcie často prelínajú.
Model priebežne spracúva vstup a rozhoduje sa, či má hovoriť, počúvať alebo pri počúvaní urobiť pauzu. Vďaka tomu má vedieť „signalizovať“, že dáva pozor, aj krátkymi vsuvkami typu „hmm“ alebo „yeah“, kým používateľ ešte rozpráva. OpenAI k tomu zverejnilo aj ukážku konverzácie, kde nový režim pôsobí výrazne plynulejšie než doterajšie správanie.
Keď treba premýšľať alebo hľadať
GPT-Live mení aj prístup k otázkam, ktoré si vyžadujú dlhšie uvažovanie alebo webové vyhľadávanie. Namiesto toho, aby sa konverzácia zastavila, model podľa OpenAI odovzdá úlohu inému modelu (spomína napríklad GPT-5.5) a pokračuje v interakcii s používateľom.
Táto logika rieši typický problém hlasových asistentov: ticho a oneskorenia, keď systém „premýšľa“. OpenAI tým zároveň naznačuje, že hlasový režim nebude stáť na jednom modeli, ale bude fungovať ako vrstva, ktorá vie udržať dialóg plynulý aj pri náročnejších požiadavkách.
Lepšie počúvanie a odolnosť voči okoliu
OpenAI hovorí aj o zlepšení samotného počúvania. Ak sa používateľ počas rozprávania odmlčí, GPT-Live má vedieť počkať, kým myšlienku dokončí, a nemá skákať do reči len preto, že nastalo krátke ticho.
Pribudla aj možnosť požiadať ChatGPT, aby zostal ticho a iba počúval. Zároveň má byť model lepší v sústredení sa na hlas používateľa a menej sa nechať vyrušovať okolitým hlukom, čo je pri hlasovom ovládaní často kritické pre použiteľnosť.
Vizuálne karty, porovnanie s Gemini Live a dostupnosť
Nový hlasový režim podporuje aj vizuálne odpovede vo forme bohatých kariet. OpenAI spomína využitie pri témach ako počasie, akcie, šport a ďalšie podobné otázky, kde má vizuálna forma väčší zmysel než čistý hlasový výstup.
Funkčne sa GPT-Live prirodzene ponúka ako konkurencia k Gemini Live od Googlu. Podľa popisu OpenAI má GPT-Live náskok najmä v tom, že vie kombinovať plynulú konverzáciu s delegovaním úloh na iné modely a zároveň zobrazuje vizuálne výsledky, čo Gemini Live v tejto podobe zatiaľ neponúka.
Nemali by ste prehliadnuť:
- Modely umelej inteligencie pohoreli v testoch bezpečnosti. Čo to znamená pre používateľov?
- Chladiť budovy bez drahej elektriny? Slovenskí vedci ukázali riešenie
- Ultraspracované potraviny nie sú v USA tvorcom zdravotných problémov, rozhodol súd
OpenAI spúšťa dve verzie: GPT-Live-1 a GPT-Live-mini. Obe sa začínajú sprístupňovať dnes, pričom GPT-Live-1 bude predvolený pre používateľov ChatGPT Pro, Plus a Go a GPT-Live-mini pre bezplatných používateľov. Nové hlasové prostredie bude dostupné v mobilných aplikáciách ChatGPT aj na webe. V čase písania článku sme novinku na redakčnom smartfóne ešte nemali k dispozícii.
