OpenAI 发布新一代语音模型 GPT-Live,主打更自然的实时人机对话。核心升级为全双工架构(full-duplex),模型可一边听一边说,无需等待用户说完再响应。具备更好的时间感、实时翻译能力和更鲜明的对话人格,还能在后台将复杂问题委托给前沿模型处理。该功能即日起在 ChatGPT 中推出。此举旨在将语音从辅助输入方式推向主要交互界面,尤其面向移动端和日常使用场景。
OpenAI 推出了 GPT-Live,这是一个新的语音模型世代,主打更自然的实时人机对话。
核心升级是全双工架构(full-duplex),模型可以一边听一边说,不用等用户说完再响应。
同时具备更好的时间感、实时翻译能力,以及更鲜明的对话人格。
它还能在后台把复杂问题委托给前沿模型处理,再把结果自然地带回对话里。
从演示来看,对话的流畅度和打断处理比之前有明显进步,目标是让语音交互真正接近人与人之间的自然交流。
这其实是把语音从“辅助输入方式”进一步推向“主要交互界面”的尝试,尤其在移动端和日常使用场景里。
[引用 @OpenAI]:我们推出 GPT-Live,新一代语音模型,专为自然的人机交互而生。
即日起在 ChatGPT 中逐步上线。
这次你最好把声音打开。