OpenAI 发布新语音模型,实现更自然的实时对话 笔记
RSS Slashdot

OpenAI 发布新语音模型,实现更自然的实时对话

OpenAI 推出了 GPT-Live-1 和 GPT-Live-1 mini,这两款全新的全双工模型旨在实现更自然、更智能的对话式人工智能。这些模型代表了一次重大飞跃,支持同时说话和聆听,从而实现无缝打断以及实时翻译等功能。 GPT-Live-1 mini 将成为 ChatGPT“高级语音模式”的默认语音模型,而功能更强大的 GPT-Live-1 则面向付费订阅用户开放。此前架构依赖于独立的语音转文本、大型语言模型(LLM)和文本转语音组件,这导致了对话能力的局限性。新模型解决了打断用户等难题,并提升了响应的智能水平。它们与 GPT-5.5 等先进文本模型集成,可在对话过程中利用强大的搜索、推理和代理能力。这种集成使得响应更加智能且更具上下文感知能力。在演示过程中,OpenAI展示了这些模型在未收到提示前能够保持沉默并吸收对话上下文的能力。此外,借助最新的GPT模型,语音模式还能以可视化方式呈现信息。这种可视化能力符合Monogram等初创企业所引领的更广泛行业趋势,旨在增强助手的交互性。OpenAI 强调,新的 ChatGPT 语音模式专为长时间对话而设计。产品负责人 Atty Eleti 分享了个人使用该功能进行 30 至 40 分钟讨论的体验。