OpenAI introduce GPT-Live-1 și GPT-Live-1 mini pentru conversații vocale full-duplex - GPT-Live-1 mini devine implicit în ChatGPT, iar modelul mare rămâne pentru abonați

OpenAI își schimbă modul vocal din ChatGPT, trecând implicit la un model „full-duplex” care poate vorbi și asculta simultan , o mutare care ridică miza pentru asistenții conversaționali folosiți „hands-free” și pentru funcții precum traducerea live, potrivit TechCrunch . OpenAI a lansat două modele conversaționale noi, GPT-Live-1 și GPT-Live-1 mini , despre care spune că sună mai natural și gestionează mai bine „schimbul de replici” (turn-taking) – inclusiv situațiile în care utilizatorul întrerupe. Modelele sunt „full-duplex”, adică pot procesa vorbirea în timp ce generează răspunsul, în loc să aștepte finalul propoziției. Ce se schimbă concret pentru utilizatori și companii Cea mai importantă schimbare operațională este că OpenAI înlocuiește modul actual „ Advanced Voice Mode ” din ChatGPT cu GPT-Live-1 mini ca opțiune implicită. Utilizatorii plătitori vor putea accesa modelul mai mare, GPT-Live-1. TechCrunch notează că vechiul sistem combina trei componente: recunoaștere vocală (speech-to-text), un model lingvistic pentru răspuns și sinteză vocală (text-to-speech). Noul mod vocal ar reduce fricțiunile tipice conversațiilor cu asistenți, precum întreruperile nefirești sau răspunsurile insuficient de „inteligente” în timp real. Integrare cu modele text mai noi și răspunsuri vizuale OpenAI spune că noile modele vocale pot trimite interogări către cele mai noi modele text ale companiei, precum GPT-5.5, pentru căutare, raționament sau capabilități „agentice” (adică executarea unor sarcini mai complexe, pe pași, în numele utilizatorului), în timp ce conversația continuă. Compania a mai arătat că asistentul poate rămâne tăcut o perioadă mai lungă, „ascultând” și acumulând context până când este solicitat. În plus, având acces la modele GPT mai noi, modul vocal poate prezenta unele informații și în format vizual. De ce contează: cursa pentru „vocea” ca interfață principală OpenAI mizează pe ideea că vocea ar putea deveni o interfață principală pentru lucru complex, inclusiv pentru sarcini de durată. În briefing, liderul de produs pentru ChatGPT Voice, Atty Eleti, a spus că a avut conversații de 30–40 de minute cu funcția vocală în timpul plimbărilor. În paralel, competiția se intensifică: Apple și Amazon și-au actualizat asistenții pentru conversații mai naturale și o mai bună înțelegere a contextului, iar startup-uri precum Sesame (fondat de Brendan Iribe și Ankit Kumar) urmăresc aceeași direcție. Limitări și garanții: traducere live imperfectă, protecții pentru adolescenți OpenAI recunoaște că noul mod vocal „mai are de lucru”. Într-un demo de traducere live în hindi, asistentul a avut un accent american puternic, iar limba a sunat nenatural și ușor „livresc”, conform TechCrunch. Compania spune că modul este optimizat pentru „cele mai vorbite limbi”, fără să precizeze care. OpenAI subliniază și că nu urmărește poziționarea produsului ca „însoțitor AI” și afirmă că a inclus măsuri de siguranță: răspunsuri adecvate vârstei pentru adolescenți și resurse dacă discuția ajunge la subiecte precum automutilarea. În privința hardware-ului, publicația amintește că au existat relatări despre posibila lansare a unor căști (earbuds) cu capabilități AI, însă OpenAI nu a oferit informații despre produse hardware în acest anunț. [...]