OpenAI は、ChatGPT Voice の大きな前進を示すことを目的とした新世代の音声モデルである GPT-Live を発表しました。同社の目標は、人工知能との会話を 2 人の間で行われる会話にはるかに近づけ、以前の音声テクノロジーの特徴であった制限の一部を克服することです。
すでに世界中で配信されているこの新しいエクスペリエンスでは、完全に再設計されたモデルが導入されており、ユーザーの質問に単に答えるだけでなく、会話の内容を聞いて理解し、必要に応じて OpenAI によって開発された最新の推論モデルを活用することができます。
Google Discover で Apple Geek LABO をフォローする
GPT-Live は ChatGPT との会話方法を変えます
GPT-Live によって導入された主な革新は、モデルが同時に聞くことと話すことを可能にするソリューションである新しい全二重アーキテクチャによって表されます。会話を一連の個別のターンとして処理する以前のシステムとは異なり、GPT-Live はユーザーが応答を生成するときにユーザーの発言を分析し続けます。
これにより、アシスタントはより自然に反応できるようになり、次のような短い表現で会話に従っていることを確認できます。 うーん、うーん または はい、ユーザーが明らかにより現実的な時間を反映または介入するために休憩を取るのを待ちます。その結果、少なくとも OpenAI の意図においては、以前よりも明らかにより自発的で、人工的ではない対話が行われるようになりました。
もう 1 つの重要な革新は、より複雑なリクエストの管理に関するものです。 GPT-Live は引き続きリアルタイムで会話を管理しますが、Web 上で検索を実行したり、詳細な推論を実行したり、より複雑なアクティビティを実行したりする必要がある場合は、ユーザーとの対話を継続しながら、OpenAI のフロンティア モデルに作業を委任できます。同社によると、このシステムは発売時にバックグラウンド サポート モデルとして GPT-5.5 を使用しており、将来のより高度なモデルに自動的に更新される予定です。
Telegram で人工知能をフォローし、ニュースやオファーを最初に受け取ります
従来のボーカルモデルと比較した技術的進化
OpenAI は、GPT-Live は前世代の音声システムの限界を克服するためにも作成されたと説明しており、ChatGPT Voce の最初のバージョンでは実際、いくつかの個別のモデルで構成されるチェーンが使用されていました。1 つは音声を書き起こし、もう 1 つは応答を処理し、3 つ目はそれを音声に戻しました。このアプローチは重要な出発点ではありましたが、必然的に遅延が生じ、会話が不自然になってしまいました。
その後、単一モデルの使用により遅延を短縮できる高度な音声モードが登場しましたが、依然としてターンベースのロジックに基づいており、システムは応答する前にユーザーの介入が終了するまで待機する必要がありました。 GPT-Live はこのパラダイムを完全に放棄し、モデルが 1 秒間に数回、話すか、聞くか、一時停止するか、追加の楽器を呼び出すかを決定できる継続的な対話に焦点を当てます。
ChatGPT 音声は日常の使用においてより自然になります
GPT-Live の登場により、ChatGPT Voce の実践的なエクスペリエンスも大きく変わります。 OpenAI は、毎週 1 億 5,000 万人以上の人々がすでにアシスタントの音声機能を使用して、日常業務のサポートを受けたり、外国語を練習したり、話を聞いたり、旅行中やその他の活動中に単に会話したりしていることを思い出します。
新しいモデルのおかげで、ユーザーは、会話の流れを損なうことなく、応答中に ChatGPT を中断したり、自動的に中断されることなく、アシスタントにペースを落としたり、数秒かけて考えたりするよう依頼することができます。
聞き取りも大幅に改善され、以前のバージョンでは短い一時停止や環境騒音が文の終わりとして解釈される可能性がありましたが、GPT-Live はこれらの状況をより適切に区別することができ、必要に応じて聞き続け、騒がしい環境でもユーザーの声に集中します。
これに加えて、視覚的な応答がますます豊富になり、音声会話中に ChatGPT は実際に、Web 検索、メモリ、画像とファイルのアップロードのサポートを維持しながら、天気、スポーツ結果、金融市場、その他のコンテンツ専用のタブを表示できます。
安全性にも細心の注意を払っております
OpenAI は、機能革新と並行して、音声対話のセキュリティに特に注意を払っていることを強調しています。 GPT-Live は、特定の音声保護機能を備えたトレーニングを受けており、自傷行為、人工知能への感情的依存、暴力的で性的に露骨なコンテンツ、特に脆弱な状況など、特にデリケートなシナリオに特化した新しい評価手順を受けています。
システムは、潜在的に問題のある応答を検出した場合、会話中に直接介入し、モデルの動作を変更したり、サポート メッセージを表示したり、最も重大な場合にセッションを中断したりできます。 OpenAI は、10 代のユーザー専用の保護機能と、保護者が音声機能へのアクセスを管理できるペアレンタル コントロール ツールも導入しました。
可用性
GPT-Live はすでに iOS、Android、ChatGPT.com で世界的に展開されています。 OpenAI は、新しいモデルの 2 つのバージョンを展開します。1 つは Go、Plus、Pro プランのユーザー向けの GPT-Live-1 で、もう 1 つは無料プランのユーザーのデフォルトの音声モデルとなる GPT-Live-1 mini です。
最後に、同社は、少なくとも展開の初期段階では、GPT-Live はビデオ モードまたは画面共有による音声をまだサポートしないと明記しています。どちらの機能も後日提供される予定ですが、ChatGPT の従来の音声モードでは引き続き利用できます。
オファーに移動
オファーに移動-33%
オファーに移動-38%
オファーに移動-30%
🎟 パッケージを選択すると、最大 5 つの景品を獲得できます。クーポンを使用 -700€: AAWE700オファーに移動
🎟 今すぐ Amazon で GTA 6 を予約してくださいオファーに移動すべてのオファーを確認する