OpenAI-მა დეველოპერებს რეალურ დროში ხმის მოდელი მიაწოდა

GPT-Live-1 AI მოდელებთან საუბარს უფრო თავისუფალს ხდის.

OpenAI-მა თავისი უახლესი რეალური დროის სრული დუპლექსის ხმის მოდელი API-ის სახით გამოუშვა, რაც პროგრამული უზრუნველყოფის დეველოპერებს უფრო მოქნილი ხმით მართული აპლიკაციებისა და საუბრობითი პროცესების დანერგვის საშუალებას აძლევს.

GPT-Live-1 ივლისში გამოჩნდა და მომხმარებლებს წერილობითი ტექსტის ნაცვლად ხმით მიცემული მოთხოვნებისა და პასუხების მეშვეობით ურთიერთობის გზას სთავაზობს. მოდელი თავდაპირველად ChatGPT-ის ინტერფეისით იყო ხელმისაწვდომი, ახლა კი API-ის მეშვეობითაც მიიღწევა.

როგორც სრული დუპლექსის მოდელი, GPT-Live-1 ერთდროულად უსმენს და აწარმოებს მეტყველებას, რაც უფრო თავისუფალ კომუნიკაციას უწყობს ხელს. ადამიანები ხშირად ერთმანეთს ელაპარაკებიან და მათთვის მოსაწყენია მხოლოდ მონაცვლეობით საუბარი ისე, როგორც ნახევრად დუპლექსური რადიოსტაციების გამოყენებისას.

OpenAI-მა ყურადღება გაამახვილა იმაზე, რომ დეველოპერებს GPT-Live-1-ის გამოყენებით ბიზნეს აპლიკაციებში ხმის ურთიერთობისა და დაკავშირებული პროცესების პერსონალიზაცია შეუძლიათ.

OpenAI-მა განაცხადა, რომ GPT-Live-1-ის ერთ-ერთი ძლიერი მხარე, შეწყვეტების გლუვი დამუშავება, უკვე იძლევა ბიზნეს ეფექტს: ადრეულ შეფასებებში Speak-მა დაადგინა, რომ GPT-Live-1 ენის მოსწავლეებს უფრო მეტ დროს აძლევდა ფიქრისთვის, სანამ რეპეტიტორი უპასუხებდა, და შეწყვეტები თითქმის 80 პროცენტით შემცირდა წინა სისტემებთან შედარებით.

GPT-Live-1 შექმნილია ხმით საუბრის დასამუშავებლად, ხოლო უკანა მოდელი, მაგალითად GPT-6 Astra ან უფრო იაფი ვარიანტი რუტინული ამოცანებისთვის, ინფორმაციის მოძიებას, ინსტრუმენტების გამოყენებას და ამოცანების მართვას ახორციელებს.

ეს წინ გადადგმული ნაბიჯია OpenAI-ის 2024 წელს გამოშვებულ Realtime API-თან შედარებით. Tau3 ხმის აგენტის ინტელექტის ბენჩმარკში, რომელიც აფასებს ავიაკომპანიების, საცალო ვაჭრობისა და ტელეკომუნიკაციების სფეროს ამოცანებს, GPT-Live-1-მა 86,2 პროცენტი მიიღო, ხოლო GPT-Realtime-2.1-მა 45,7 პროცენტი და GPT-Realtime-2-მა 42,4 პროცენტი.

OpenAI-მა საკუთარი შეფასებების მიხედვით განაცხადა, რომ GPT-Live-1 Full Duplex Bench-ში 30 პროცენტით უკეთესია GPT-Realtime-2.1-ზე და ასევე უსწრებს წინამორბედს შეწყვეტების დაყოვნებისა და ინტერაქტიული ქცევის მხრივ.

Yelp იყენებს GPT-Live-1-ს Yelp Host სერვისისთვის და დადებითად აფასებს ტექნოლოგიას კომპანიის AI რესტორნების დაჯავშნის სისტემაში.

Yelp-ის პროდუქტების მთავარმა ოფიცერმა ახილ კუდუვალი რამეშმა განაცხადა: „GPT-Live-1-ით ყველა ზარი უფრო საუბრობით და მოქნილია. Yelp Host ახლა რესტორნებს უზრუნველყოფს მოწინავე ხმის ხელოვნური ინტელექტით, რომელიც განსაკუთრებულ სტუმრების გამოცდილებას ქმნის, იჭერს შემოსავლის შესაძლებლობებს და პერსონალს სტუმრების მომსახურებაზე ფოკუსირებაში ეხმარება.“