OpenAI به‌روزرسانی GPT-Live-1.1 را با قابلیت صوتی و صداهای چندزبانه جدید عرضه کرد
OpenAI اعلام کرد GPT-Live-1.1 مجموعه‌ای از به‌روزرسانی‌ها را برای قابلیت‌های صوتی ChatGPT، Codex و dots ارائه می‌کند که شامل صداهای جدید، لهجه‌های بهبودیافته و کاهش پیام‌های «checking...» است.
صداهای جدید زبان‌ها و گونه‌های فرانسوی، آلمانی، هندی، اسپانیایی مکزیکی، کره‌ای و ژاپنی را پوشش می‌دهند. عرضه این قابلیت از امروز برای همه کاربران آغاز شده است و به‌زودی در API نیز در دسترس خواهد بود.
GPT-Live-1.1 جانشین GPT-Live-1 است و از معماری تمام‌دوطرفه (full-duplex) بهره می‌برد؛ معماری‌ای که امکان گوش‌دادن و صحبت‌کردن هم‌زمان را فراهم می‌کند و می‌تواند مکث‌ها، قطع‌کردن صحبت و تغییرات ریتم گفت‌وگو را مدیریت کند. کاربران Plus و سطوح بالاتر به‌طور پیش‌فرض از این مدل استفاده خواهند کرد، در حالی که سایر کاربران از نسخه Quip بهره می‌برند.
GPT-Live پیش‌تر در ماه ژوئیه عرضه شده بود و امکان واگذاری استدلال عمیق به مدل‌های پشتیبان در سمت سرور را فراهم می‌کرد، در حالی که گفت‌وگو بدون وقفه ادامه می‌یافت. لایه صوتی در API با نرخ ۰٫۰۵ دلار به ازای هر دقیقه محاسبه می‌شود.
کارت‌های سیستمی نشان می‌دهند که مدل جدید در ارزیابی بومی قابلیت صوتی، عملکردی هم‌سطح مدل قبلی دارد و پسرفت قابل‌توجهی در آن مشاهده نشده است.
از منظر سازوکار بازار، خریداران این به‌روزرسانی کاربران ChatGPT و Codex هستند که از تعامل صوتی استفاده می‌کنند و فروشنده نیز مدل صوتی تمام‌دوطرفه OpenAI است. این تحول بر اثر تکرار و بهبود مدل شکل گرفته و از حالت‌های صوتی قدیمی به سمت صداهای جدید و تجربه بهتر در لهجه‌ها حرکت می‌کند؛ تغییری که برای کاربران چندزبانه و موقعیت‌هایی که به گفت‌وگوی طبیعی نیاز دارند سودمند است و در عین حال، قابلیت‌های حاشیه‌ای را که همچنان به حالت‌های قدیمی متکی هستند، تحت فشار قرار می‌دهد.
این به‌روزرسانی قابلیت صوتی تمام‌دوطرفه را از نسخه پایه به صداهای چندزبانه گسترش می‌دهد و تعداد پیام‌های تأیید را نیز کاهش می‌دهد.
منبع: اطلاعات عمومی