شرکت OpenAI امروز دو مدل صوتی جدید به نامهای GPT-Live-1 و GPT-Live-1 mini را عرضه میکند که به گفته این شرکت، ارتقاءهای عظیمی را در قابلیت صوتی ChatGPT به ارمغان میآورند. شاید به خاطر داشته باشید که این شرکت در تابستان 2024 حالت صوتی پیشرفته (Advanced Voice Mode) را راهاندازی کرد. در زمان عرضه، این ویژگی چشمگیر بود و نسبت به دستیارهای صوتی قدیمی مانند سیری و الکسا یک ارتقاء بزرگ محسوب میشد، اما با گذشت زمان، محدودیتهای آن بیشتر به چشم آمد.
بهطور خاص، حالت صوتی پیشرفته از مدل صوتی “نوبتی” استفاده میکرد که دقیقاً همان طور که از نامش پیداست عمل میکند؛ مدل باید منتظر میماند تا کاربر صحبت خود را متوقف کند تا بتواند پاسخ دهد. همان طور که تصور میکنید، این امر اغلب به یک گفتوگوی مصنوعی و ناموزون منجر میشد. علاوه بر این، از آنجا که مدل از سکوت به عنوان نشانه شروع صحبت استفاده میکرد، اغلب یک مکث کوتاه را به اشتباه به عنوان پایان یک دستور یا سؤال تفسیر میکرد و باعث ایجاد وقفههای ناخوشایندی میشد.
در مقابل، خانواده مدلهای GPT-Live بر روی یک معماری دوطرفه (duplex) ساخته شدهاند. آنها میتوانند بهطور همزمان ورودیها را پردازش کرده و خروجی تولید کنند. شرکت OpenAI توضیح میدهد:
این امر به مدل اجازه میدهد تا در یک گفتگوی طبیعیتر شرکت کند، درک بهتری از زمان داشته باشد و حتی ترجمه زنده انجام دهد.
در عین حال، این شرکت GPT-Live را بهگونهای طراحی کرده که وظایف را تفویض کند. اگر مدلهای صوتی جدید تشخیص دهند که سؤال یا دستور شما از استدلال، جستجوی وب یا قابلیتهای عاملمحور (agentic) دیگر سود میبرد، میتوانند برای کمک به سایر مدلهای OpenAI از جمله GPT-5.5 مراجعه کنند. این سیستمها در پسزمینه کار خواهند کرد و به شما امکان میدهند تا مکالمهی خود را با GPT-Live ادامه دهید.
در مجموع، این تغییرات منجر به تجربه صوتی میشود که به اعتقاد OpenAI، کاربران آن را مفیدتر خواهند یافت. شما میتوانید در هر زمانی مدلهای صوتی جدید را قطع کنید و حتی اگر احساس میکنید خیلی سریع صحبت میکنند، از آنها بخواهید سرعتشان را کاهش دهند. در حین صحبت شما، آنها با اذعانهای کلامی مانند mhmm و got it تأیید میکنند که در حال گوش دادن هستند و OpenAI میگوید مدلهای جدید را بهتر ساخته است تا در زمانی که صداهای مزاحم در پسزمینه وجود دارد، تمرکز بهتری داشته باشند.
چتصوتی چتجیپیتی اکنون همچنین میتواند تصاویری را در قالب کارتهای ویجتمانند برای موضوعاتی مانند آبوهوا، ورزش، سهام و موارد دیگر تولید کند. مانند قبل، پشتیبانی از آپلود تصویر و فایل در این ویژگی تعبیه شده است و همچنین میتوانید از آن برای جستجوی وب استفاده کنید. در عین حال، OpenAI میگوید که محافظتهای جدیدی را در چتصوتی ChatGPT تعبیه کرده است. این شرکت توضیح میدهد:
هنگامی که سیستم خروجی بالقوه ناایمن را تشخیص دهد، میتواند مدل را به سمت پاسخهای ایمنتر هدایت کند، پیامهای ایمنی بیشتری را نشان دهد یا در موارد پرخطرتر، مکالمه صوتی را پایان دهد.
والدین و سرپرستان میتوانند با استفاده از کنترلهای والدین اخیراً معرفیشده OpenAI، چتصوتی ChatGPT را برای نوجوانان خود غیرفعال کنند. اگر به فرزند خود دسترسی به چتصوتی ChatGPT دادهاند و سیستم تشخیص دهد که او سعی دارد مکالمه را به سمت آسیب به خود سوق دهد، سیستم به والدین اطلاع خواهد داد. OpenAI از امروز توزیع GPT-Live را برای ChatGPT در اندروید، آیاواس و وب آغاز میکند. مدل GPT-Live-1 مدل پیشفرض برای کاربرانی خواهد بود که اشتراکهای Go، Plus و Pro را پرداخت میکنند، در حالی که حسابهای رایگان بهطور پیشفرض از مدل کوچکتر Live-1 mini استفاده خواهند کرد.
