OpenAI uruchamia GPT-Live, nowy tryb głosowy ChatGPT z pełnym duplexem

OpenAI wprowadza nową generację trybu głosowego ChatGPT o nazwie GPT-Live. Zamiast wymieniać się kolejno wypowiedziami jak dotychczasowe asystenty, model słucha i mówi w tym samym czasie, co ma sprawić, że rozmowa z aplikacją przypomina zwykłą rozmowę z człowiekiem.

Jak działa pełny duplex

Dotychczasowe tryby głosowe w ChatGPT i konkurencyjnych asystentach działały naprzemiennie, użytkownik mówił, model przetwarzał wypowiedź, a potem odpowiadał. GPT-Live zrywa z tym schematem, bo model potrafi jednocześnie odbierać dźwięk i generować własną odpowiedź głosową. Można mu przerwać w połowie zdania, a on płynnie dostosuje się do zmiany tematu, zamiast kończyć wcześniej zaplanowaną wypowiedź.

OpenAI podkreśla, że model potrafi też milczeć, gdy rozmówca potrzebuje chwili na zastanowienie, oraz wtrącać krótkie potwierdzenia w rodzaju mruknięcia, które w rozmowach między ludźmi sygnalizują uwagę bez przejmowania głosu. To detale, które wcześniej były domeną projektowania interfejsów głosowych w telefonii, a teraz trafiają do popularnej aplikacji AI.

GPT-Live potrafi słuchać i mówić jednocześnie. Rezultatem jest głosowe doświadczenie, z którym rozmawia się przyjemnie łatwo - z oficjalnego ogłoszenia OpenAI

Dwa warianty modelu

Na start dostępne są dwie wersje: GPT-Live-1 dla subskrybentów płatnych planów Go, Plus i Pro oraz GPT-Live-1-mini jako domyślny wybór dla kont darmowych. W tle, przy pytaniach wymagających wyszukiwania w sieci, głębszego rozumowania albo bardziej złożonej pracy, GPT-Live deleguje zadanie do najnowszego modelu OpenAI działającego w tle, a wynik wraca do rozmowy bez przerywania jej naturalnego rytmu.

Nowy tryb głosowy pojawia się równolegle z szerszym udostępnieniem modelu GPT-5.6, które OpenAI planuje na 9 lipca po dodatkowym przeglądzie bezpieczeństwa. Oba wdrożenia razem pokazują, że OpenAI stawia teraz na rozmowę głosową jako główny kanał kontaktu z ChatGPT, konkurując wprost z asystentami głosowymi w smartfonach i samochodach.

CarPlay bez pełnej kontroli

Integracja z Apple CarPlay to jedna z bardziej praktycznych zmian dla kierowców. ChatGPT z nowym trybem głosowym działa w samochodowym interfejsie Apple, ale z istotnymi ograniczeniami: aplikacja nie może sterować funkcjami pojazdu, a uruchomienie asystenta słowem budzącym, jak w przypadku Siri, nie jest możliwe z powodu zasad Apple dotyczących integracji zewnętrznych aplikacji głosowych. Użytkownik musi więc aktywować rozmowę ręcznie z ekranu.

Dla polskich użytkowników ChatGPT nowy tryb głosowy oznacza przede wszystkim szybszy, bardziej naturalny sposób korzystania z asystenta w telefonie i w aucie, choć na start bez polskiej lokalizacji głosu potwierdzonej w materiałach OpenAI. Warto też zwrócić uwagę, że funkcje wideo i udostępniania ekranu, dostępne w starym trybie głosowym, na razie nie trafiły do GPT-Live i wymagają przełączenia z powrotem na poprzedni system.

Konkurencja w segmencie głosowych asystentów AI rośnie równolegle z ambicjami OpenAI. Google rozwija własne funkcje głosowe w Gemini, a Amazon i Apple pracują nad odświeżeniem swoich asystentów, Alexy i Siri. Pełny duplex, jeśli sprawdzi się w codziennym użyciu, może stać się nowym standardem, do którego będą musieli dogonić pozostali gracze.

Źródła: 9to5Mac (9to5mac.com), Engadget (engadget.com), CNBC (cnbc.com)