OpenAI je predstavio GPT Live, novu generaciju glasovnog sistema za ChatGPT koja donosi značajno prirodnije razgovore i inteligentnije glasovne interakcije. Novi sistem zamjenjuje dosadašnji način rada ChatGPT Voice i uvodi mogućnost istovremenog slušanja i odgovaranja, čime razgovori postaju mnogo sličniji komunikaciji između dvoje ljudi.
Kompanija je potvrdila da se GPT Live postepeno uvodi korisnicima širom svijeta na Androidu, iPhone-u, web verziji ChatGPT-a i Apple CarPlay-u, dok će podrška kroz API biti dostupna u nekom od narednih perioda.
GPT Live donosi potpuno novi način glasovne komunikacije
Najveća promjena u odnosu na dosadašnji ChatGPT Voice jeste prelazak na full-duplex arhitekturu, koja omogućava da model istovremeno sluša korisnika i priprema odgovor.
Raniji glasovni sistem funkcionisao je tako što je korisnik morao završiti govor prije nego što bi AI počeo da odgovara. Novi pristup omogućava prirodniji tok razgovora – ChatGPT može procijeniti da li treba odmah odgovoriti, sačekati da korisnik završi misao, postaviti potpitanje ili jednostavno nastaviti da sluša.
Rezultat su znatno fluidniji razgovori, bez neprijatnih prekida i čekanja.
Pokreću ga modeli GPT Live 1 i GPT Live 1 mini
OpenAI je predstavio dvije verzije novog glasovnog sistema:
- GPT Live 1 – namijenjen korisnicima Go, Plus i Pro pretplate.
- GPT Live 1 mini – podrazumijevani model za korisnike besplatnog (Free) paketa.
Oba modela razvijena su posebno za glasovne razgovore, ali se razlikuju po mogućnostima, brzini obrade i raspoloživim resursima.
Kompanija navodi da će buduće generacije modela dodatno unaprijediti glasovne sposobnosti kako budu stizali novi AI sistemi.
GPT 5.5 obrađuje složenije zadatke
Jedna od ključnih karakteristika GPT Live sistema jeste odvajanje glasovne komunikacije od zahtjevnijih AI procesa.
Dok korisnik razgovara sa ChatGPT-om, glasovni model može u pozadini proslijediti složenije zadatke drugom modelu – trenutno je to GPT 5.5 – koji obrađuje:
- pretragu interneta,
- složenije logičko zaključivanje,
- analizu dokumenata,
- korišćenje AI agenata,
- druge napredne zadatke.
Na taj način razgovor ne prekida čak ni kada AI izvršava zahtjevnije operacije.
Prirodniji razgovori bez nepotrebnih prekida
OpenAI navodi da GPT Live mnogo bolje razumije prirodan tok razgovora.
Sistem može:
- prepoznati kada korisnik pravi kratku pauzu, a da ga ne prekida,
- sačekati završetak misli,
- dozvoliti korisniku da prekine odgovor asistenta,
- usporiti govor ako to korisnik zatraži,
- ostati tih dok ne dobije novu instrukciju.
Povremeno će kratkim odgovorima potvrditi da prati razgovor, slično načinu na koji ljudi komuniciraju u svakodnevnom razgovoru.
Vizuelne kartice i pametnije funkcije
Novi ChatGPT Voice više nije ograničen samo na glas.
GPT Live može prikazivati vizuelne kartice za informacije poput:
- vremenske prognoze,
- cijena akcija,
- sportskih rezultata,
- drugih podataka koji se lakše predstavljaju grafički.
Istovremeno podržava i:
- internet pretragu,
- rad sa memorijom ChatGPT-a,
- analizu fotografija,
- otpremanje datoteka,
- kombinovanje više AI alata tokom jednog razgovora.
Korisnici mogu birati između različitih nivoa „razmišljanja“, odnosno brzine i dubine odgovora, u zavisnosti od toga da li im je važnija brzina ili detaljnija analiza.
Poboljšan rad u bučnom okruženju
OpenAI ističe da GPT Live mnogo bolje filtrira pozadinsku buku nego prethodni sistem.
Model se fokusira na glas korisnika, zbog čega pouzdanije funkcioniše u automobilu, kancelariji, kafiću ili drugim bučnijim okruženjima.
Kompanija je ujedno unaprijedila svih devet ugrađenih ChatGPT glasova kako bi zvučali prirodnije i prijatnije tokom dužih razgovora.
Sigurnost ostaje jedan od prioriteta
Veliki dio razvoja GPT Live sistema bio je posvećen sigurnosti glasovne komunikacije.
OpenAI navodi da je proširio testiranja na veliki broj scenarija koji uključuju:
- samopovređivanje,
- psihotične epizode,
- maniju,
- nasilje,
- seksualni sadržaj,
- emocionalnu zavisnost od AI sistema.
Pored automatizovanih testova korišćene su i audio evaluacije, sintetički scenariji i takozvani red team timovi, čiji je zadatak bio da pronađu moguće bezbjednosne propuste prije objavljivanja sistema.
U situacijama koje predstavljaju povećan rizik, GPT Live može:
- usmjeriti razgovor ka sigurnijem odgovoru,
- pružiti dodatne informacije i upozorenja,
- prekinuti interakciju ako procijeni da bi nastavak mogao biti štetan.
Kod razgovora koji uključuju samopovređivanje sistem može prikazati informacije o odgovarajućim kriznim službama i drugim izvorima pomoći. Takođe uključuje zaštitne mjere prilagođene tinejdžerima, a roditeljski nadzor omogućava roditeljima upravljanje pristupom i primanje obavještenja u određenim situacijama visokog rizika.
Zaštita od zloupotrebe glasova
OpenAI naglašava da GPT Live koristi isključivo unaprijed definisane ChatGPT glasove.
Sistem je opremljen zaštitama koje sprečavaju imitiranje glasa stvarnih osoba, čime se nastoji smanjiti mogućnost zloupotrebe AI tehnologije za prevare ili lažno predstavljanje.
Kompanija je najavila da će nakon globalnog uvođenja nastaviti pratiti način korišćenja sistema kako bi dodatno unaprijedila zaštitne mehanizme i smanjila rizik od emocionalne zavisnosti korisnika od AI asistenta.
Dostupnost i šta slijedi
GPT Live se postepeno uvodi korisnicima ChatGPT-a na Androidu, iOS-u, webu i Apple CarPlayu. Model GPT Live 1 biće podrazumijevani izbor za korisnike Go, Plus i Pro pretplate, dok će GPT Live 1 mini koristiti korisnici besplatnog paketa.
OpenAI navodi da su modeli optimizovani za veliki broj svjetskih jezika, iako kod pojedinih jezika i naglasaka još uvijek mogu postojati određena ograničenja.
U prvoj verziji GPT Live ne podržava video pozive niti dijeljenje ekrana tokom glasovne komunikacije, ali kompanija potvrđuje da su obje funkcije već u razvoju. Njihovim dolaskom ChatGPT bi mogao postati još svestraniji AI asistent, sposoban da korisnicima pomaže ne samo kroz razgovor, već i analizom sadržaja koji vide na ekranu ili kamerom uređaja.
