رقیب Gemini Live از راه رسید؛ OpenAI قابلیت صوتی GPT-Live را به ChatGPT اضافه کرد

شهرآرانیوز، OpenAI از GPT-Live، مدل صوتی جدید ChatGPT، رونمایی کرد؛ قابلیتی که با امکان شنیدن و صحبت کردن به‌صورت همزمان، تجربه مکالمه با هوش مصنوعی را طبیعی‌تر از گذشته می‌کند. این مدل همچنین می‌تواند هنگام پردازش درخواست‌های پیچیده یا جست‌وجوی اینترنت، بدون ایجاد وقفه به گفت‌و‌گو با کاربر ادامه دهد.

GPT-Live چیست و چه قابلیت‌هایی دارد؟

OpenAI نسل جدید فناوری صوتی ChatGPT را با نام GPT-Live معرفی کرده است. این مدل بر پایه معماری Full-Duplex توسعه یافته؛ فناوری‌ای که به هوش مصنوعی اجازه می‌دهد به‌طور همزمان صحبت‌های کاربر را بشنود و در صورت نیاز واکنش‌های طبیعی مانند «بله» یا «متوجه شدم» نشان دهد.

برخلاف نسل‌های قبلی، GPT-Live می‌تواند در طول صحبت کاربر نیز تعامل خود را حفظ کند و مکالمه‌ای روان‌تر و نزدیک‌تر به گفت‌وگوی واقعی ارائه دهد.

ChatGPT حالا هنگام فکر کردن نیز مکالمه را ادامه می‌دهد

یکی از مهم‌ترین قابلیت‌های GPT-Live، ادامه مکالمه در زمان پردازش درخواست‌های پیچیده است. اگر پاسخ به یک سؤال نیازمند تحلیل بیشتر یا جست‌وجوی وب باشد، این مدل وظیفه پردازش را به مدل‌های قدرتمند OpenAI مانند GPT-۵.۵ واگذار می‌کند و همزمان به گفت‌و‌گو با کاربر ادامه می‌دهد.

این ویژگی باعث می‌شود کاربران دیگر با سکوت یا توقف‌های طولانی هنگام دریافت پاسخ مواجه نشوند و تجربه استفاده از ChatGPT طبیعی‌تر باشد.

بهبود چشمگیر در تشخیص صدای کاربران

OpenAI اعلام کرده GPT-Live در تشخیص مکث‌های طبیعی کاربران نیز عملکرد بهتری دارد. اگر کاربر برای فکر کردن چند ثانیه سکوت کند، مدل منتظر ادامه صحبت می‌ماند و گفت‌و‌گو را قطع نمی‌کند.

همچنین کاربران می‌توانند از ChatGPT بخواهند فقط شنونده باشد و تا پایان صحبت آنها پاسخی ارائه نکند. علاوه بر این، GPT-Live تمرکز بیشتری روی صدای کاربر دارد و کمتر تحت تأثیر صدا‌های محیط قرار می‌گیرد.

پشتیبانی GPT-Live از پاسخ‌های بصری

قابلیت جدید OpenAI تنها به مکالمه صوتی محدود نیست. GPT-Live از نمایش پاسخ‌های بصری نیز پشتیبانی می‌کند و برای موضوعاتی مانند آب‌وهوا، بازار سهام، مسابقات ورزشی و سایر اطلاعات، کارت‌های گرافیکی و تعاملی نمایش می‌دهد.

این ویژگی می‌تواند سرعت دسترسی کاربران به اطلاعات و کیفیت تجربه کاربری را افزایش دهد.

مقایسه GPT-Live با Gemini Live گوگل

با معرفی GPT-Live، رقابت OpenAI و گوگل در حوزه دستیار‌های صوتی هوش مصنوعی وارد مرحله جدیدی شده است. اگرچه Gemini Live نیز امکان مکالمه صوتی را فراهم می‌کند، اما GPT-Live با قابلیت ادامه گفت‌و‌گو هنگام پردازش درخواست‌ها، نمایش نتایج بصری و واگذاری پردازش به سایر مدل‌های OpenAI، در حال حاضر امکانات گسترده‌تری ارائه می‌دهد.

زمان عرضه GPT-Live و کاربران قابل دسترسی

OpenAI دو نسخه از این فناوری را عرضه کرده است. GPT-Live-۱ به‌عنوان مدل پیش‌فرض برای کاربران اشتراک‌های Pro، Plus و Go ارائه می‌شود و GPT-Live-mini نیز در اختیار کاربران رایگان ChatGPT قرار می‌گیرد.

این قابلیت از امروز به‌صورت تدریجی در نسخه وب ChatGPT و اپلیکیشن‌های موبایل برای کاربران عرضه می‌شود.