شرکت OpenAI مدل صوتی جدید و پیشرفتهی ChatGPT را معرفی کرد
شرکت OpenAI با معرفی یک مدل زبانی جدید به نام GPT-Live-1، قابلیت صوتی هوش مصنوعی ChatGPT را به شکل چشمگیری ارتقا داده است. این تغییرات ساختاری با هدف شبیهسازی دقیق و طبیعی مکالمات انسانی طراحی شدهاند. مدل جدید بهگونهای توسعه یافته است که در میان صحبتهای کاربر کمتر مداخله میکند و اگر شخص در میانهی کلام خود مکث کند، برای ادامهی صحبتهای او به صورت هوشمندانه منتظر میماند.
کوندان کومار، مدیر ارشد تحقیقات در OpenAI، این نسخه را هوشمندترین مدل صوتی تاریخ این شرکت توصیف کرده است. این سیستم جدید در صورت نیاز به استدلال پیچیده یا جستجو در اینترنت، درخواستها را به صورت خودکار به مدلهای متنی پیشرفتهتر نظیر GPT-5.5 ارجاع میدهد. این فرایند انتقال سریع، سرعت ارائهی نتایج را به شدت بهبود میبخشد. همچنین مکالمات مرتبط با وضعیت آبوهوا، بازار سهام و مسابقات ورزشی با تصاویر تولید شده توسط هوش مصنوعی تکمیل میشوند تا اطلاعات بصری مفیدی در لحظه به کاربر ارائه شود.
در گذشته، مدل صوتی چتجیپیتی بر اساس نوبتدهی کار میکرد که در برخی مواقع به پاسخهای نادرست و جریان گفتگوی غیرطبیعی منجر میشد. آتی التی، مدیر محصول OpenAI، تاکید کرده است که مدل جدید به صورت کاملا دوطرفه عمل میکند؛ به این معنا که سیستم میتواند جریان ورودی را پردازش کرده و همزمان خروجی را تولید کند. این ساختار امکان ترجمهی همزمان و بدون تاخیر را فراهم میآورد. از دیگر ویژگیهای افزوده شده، توانایی گوش دادن فعال با استفاده از کلمات تاییدکنندهی انسانی و امکان توقف صحبتهای هوش مصنوعی تا زمان درخواست مجدد است.
برای افزایش امنیت، OpenAI لایههای محافظتی ویژهای را به مدل صوتی ChatGPT اضافه کرده است. این اقدامات که در پی شکایتهای اخیر پیرامون آسیبهای روانی احتمالی صورت گرفتهاند، پاسخهای مضر را مسدود کرده و در شرایط پرخطر، مکالمه را متوقف میکنند. ارائهی خطوط تماس بحران برای موارد آسیبرسان و تنظیم پاسخهای متناسب با سن نوجوانان از دیگر اقدامات امنیتی هستند. مدل GPT-Live-1 برای کاربران اشتراکهای Go، Plus و Pro در پلتفرمهای iOS، اندروید و وب منتشر میشود و کاربران نسخهی رایگان نیز به مدل کوچکتر GPT-Live-1 mini دسترسی خواهند داشت.
