Alapjaiban változik meg a ChatGPT hangalapú használata, az OpenAI ugyanis világszerte megkezdte az új GPT-Live modellcsalád bevezetését. A frissítés július 9-től fokozatosan válik elérhetővé iOS-en, Androidon és a ChatGPT webes felületén, és a vállalat szerint jóval természetesebb beszélgetéseket tesz lehetővé.
Az eddigi hangalapú AI-rendszerek egyik legnagyobb korlátja az volt, hogy jellemzően megvárták, amíg a felhasználó befejezi a mondatát, majd csak ezt követően kezdték el feldolgozni a kérést és megfogalmazni a választ. A GPT-Live ezzel szemben úgynevezett full-duplex rendszerre épül, vagyis egyszerre képes figyelni és beszélni. Másodpercenként több alkalommal dönthet arról, hogy tovább hallgat, válaszolni kezd, szünetet tart, közbeszól, vagy akár egy háttérben futó feladatot indít el. Ennek köszönhetően a beszélgetések kevésbé hasonlíthatnak majd egy hagyományos kérdés-válasz rendszerhez. A ChatGPT természetes visszajelzésekkel jelezheti, hogy követi a beszélgetést, jobban kezelheti a félbeszakításokat, és a háttérzajokkal is hatékonyabban birkózhat meg.
Az OpenAI a kilenc beépített hangot is átdolgozta, miközben az élő fordítás szintén az új rendszer részévé válik. Az összetettebb feladatokat nem feltétlenül maga a GPT-Live végzi el. Ha internetes keresésre, komolyabb gondolkodásra vagy több lépésből álló feladatra van szükség, a rendszer a háttérben egy GPT modellre bízhatja a munkát, miközben a hangalapú beszélgetés folytatódhat. Egyszerre több ilyen folyamat is futhat, így elméletileg akkor is fel lehet tenni egy újabb kérdést, amikor a ChatGPT még az előző kéréshez gyűjti az információkat. Az új hangélmény nem csak a fizetős előfizetők számára érkezik. A Go, Plus és Pro csomagokban a GPT-Live-1 lesz az alapértelmezett modell, míg az ingyenes felhasználók a könnyebb GPT-Live-1 mini változatot kapják meg.
A frissítés komoly felhasználói bázist érint, a ChatGPT hangalapú funkcióit és diktálását ugyanis már hetente mintegy 150 millióan használják. Az új rendszerhez három gondolkodási mód is tartozik Instant, Medium és High néven, emellett időjárási, sport- és tőzsdei információk esetében vizuális kártyák is megjelenhetnek. A videó és a képernyőmegosztás ugyanakkor egyelőre nem költözik át az új rendszerbe, ezek továbbra is a korábbi Advanced Voice Mode részei maradnak, amíg az OpenAI később hozzá nem adja támogatásukat a GPT-Live-hoz.
