Купон на скидку: 2026
Компания также заменяет текущий расширенный голосовой режим в ChatGPT на модель GPT-Live-1 mini, которая становится стандартной. Пользователи платных тарифов получат доступ к более крупной модели GPT-Live-1. Предыдущая система объединяла модель распознавания речи для транскрибирования, большую языковую модель для генерации ответов и модель синтеза речи для выдачи финальной реплики. Как сообщили в OpenAI на пресс-брифинге, новые модели решают такие проблемы, как перебивание пользователя во время разговора и нехватка интеллекта для ответа на сложные вопросы.
Новые голосовые модели OpenAI направляют запрос к последним текстовым моделям, таким как GPT-5.5, для выполнения поиска, рассуждений или агентных задач, продолжая при этом диалог. Кроме того, модель может подолгу молчать и впитывать контекст беседы, пока к ней не обратятся напрямую. Поскольку новый голосовой режим имеет доступ к свежим версиям GPT, он способен представлять часть информации в визуальном формате. Другие стартапы, например Monogram, привлекший 40 миллионов долларов начального финансирования от DST и Lux Capital, также делают ставку на визуальные ответы, чтобы сделать ассистентов более интерактивными.
В компании заявили, что новая голосовая функция в ChatGPT рассчитана на более продолжительные разговоры. Руководитель продукта ChatGPT Voice Атти Элети рассказал во время брифинга, что во время прогулок он общался с голосовым помощником по 30–40 минут подряд. OpenAI полагает, что голос может стать основным интерфейсом для выполнения сложной вычислительной работы. Хотя ранее появлялись сообщения, что компания может выпустить пару наушников с ИИ-возможностями уже в этом году, никакой информации об аппаратных продуктах на брифинге предоставлено не было. Элети отметил: «Со временем это, как мы считаем, откроет возможность использовать голос в качестве своего рода основного интерфейса для взаимодействия с компьютером и для управления всё более сложной долгосрочной агентной работой. Потрясающие сценарии, которые люди реализуют с помощью Codex и ChatGPT, — мы думаем, что голос может стать будущим интерфейсом для всех видов работы».
В последние несколько лет OpenAI усиливала голосовые функции, чтобы сделать звучание ChatGPT более естественным. По данным компании, более 150 миллионов человек общаются с ChatGPT через голос и диктовку. Конкуренты также стараются сделать ассистентов более выразительными. И Apple, и Amazon обновили своих помощников, чтобы те могли вести более естественную беседу и лучше обрабатывать контекст. Стартап Sesame, основанный сооснователем Oculus Бренданом Айрибом и Анкитом Кумаром, тоже запустил ИИ-ассистентов с более натуральным общением, способных выполнять задачи в фоновом режиме. OpenAI движется в том же направлении, стремясь дать пользователям возможность долго разговаривать с ассистентом без помощи рук.
Несмотря на заявления о более естественном звучании нового голосового режима, в компании подчеркнули, что не ставят целью превратить его в ИИ-компаньона. В модели встроены защитные механизмы, которые выдают ответы, соответствующие возрасту, для подростков, и предоставляют ресурсы, если разговор переходит на такие темы, как самоповреждение.
Новому голосовому режиму всё ещё требуется доработка. В ходе демонстрации функции живого перевода на хинди ассистент говорил с сильным американским акцентом, а его речь звучала неестественно и немного книжно. В OpenAI сообщили, что новый режим оптимизирован для «большинства распространённых языков», но не уточнили, для каких именно.