GPT-Live-1.1 Quip

GPT-Live-1.1 Quip — уменьшенная версия GPT-Live-1.1, голосовой модели, на которой работает голосовой режим ChatGPT (ChatGPT Voice). Линейка GPT-Live работает в режиме полного дуплекса: модель слушает и говорит одновременно, как собеседник в телефонном разговоре. Прежний голосовой режим OpenAI собирали из трёх моделей: первая переводила речь в текст, вторая, языковая, писала ответ, третья его озвучивала. GPT-Live обрабатывает речь непрерывно и несколько раз в секунду решает, что делать: говорить, слушать дальше, выдержать паузу, перебить или вызвать инструмент.

Главное отличие версии 1.1, по словам OpenAI, — более естественные акценты в разных языках. У первой версии с этим были трудности: на показе GPT-Live-1 перевод на хинди звучал с сильным американским акцентом и по-книжному. С версией 1.1 появились новые голоса для французского, немецкого, хинди, японского, корейского и мексиканского испанского, а также английский голос Bubbie. Какие голоса доступны, зависит от региона и аккаунта. Ещё модель стала разнообразнее в коротких фразах, которыми сообщает, что ищет информацию.

Quip занимает в линейке то же место, что GPT-Live-1 mini в прошлом поколении. Та облегчённая модель стала голосом ChatGPT по умолчанию, в том числе на бесплатном тарифе, а полная GPT-Live-1 досталась подписчикам Go, Plus и Pro. Модель создана для живой беседы: она вставляет «угу», чтобы показать, что слушает, выдерживает паузы и переводит речь на лету. Если нужен поиск в интернете, долгие рассуждения или агентная работа, то есть многошаговые действия с инструментами, модель передаёт задачу более сильной текстовой модели OpenAI. Разговор при этом не прерывается, пока готовится ответ.

OpenAI подчёркивает, что не делает из голосового режима ИИ-компаньона. В модель встроены защитные меры: ответы учитывают возраст пользователя, а на темы психического здоровья она говорит осторожно.

источники:Заметки о выпусках ChatGPT ↗Анонс GPT-Live-1 в API на форуме OpenAI ↗