Jesper Bengtson
ChatGPT kan nu snakke og lytte samtidigt, og gratisbrugere er med fra dag ét.
OpenAI lancerede onsdag den 8. juli to nye stemmemodeller, GPT-Live-1 og GPT-Live-1 mini, som fra samme dag er standardvalget for ChatGPT-brugere globalt, oplyser selskabet i sin lanceringsmeddelelse.
Det centrale skifte er teknisk: modellerne kan tale og lytte samtidigt. Hvor den tidligere stemmefunktion først skulle vente på, at brugeren var færdig, kan GPT-Live afbrydes midt i sætningen, holde tænkepauser og selv skyde småord som “mhmm” ind i samtalen for at signalere, at den følger med.
Gratisbrugere får den nye standard
Mini-udgaven bliver standard for gratisbrugere, mens den fulde GPT-Live-1 udrulles til betalende Go-, Plus- og Pro-brugere, skriver MacRumors. Begge modeller erstatter den hidtidige Advanced Voice Mode.
Over 150 millioner mennesker bruger allerede ChatGPT via stemme- og dikteringsfunktioner, hvilket gør skiftet til en af de største opgraderinger af en forbruger-AI hidtil.
Ni af modellernes stemmer er blevet remastret, så de skal lyde mere naturlige. Til gengæld understøtter GPT-Live ved lanceringen endnu ikke video eller skærmdeling under samtalen. Den funktion er stadig under udvikling.
Fra stafet til reel samtale
Den gamle stemmefunktion fungerede som en stafet. Talen blev omsat til tekst, tekst blev sendt gennem en sprogmodel, og svaret blev læst op af en syntetisk stemme. Det gav mærkbar ventetid og en tur-baseret rytme.
GPT-Live behandler lyden direkte og træffer flere beslutninger i sekundet om, hvorvidt den skal tale, lytte, holde pause eller sætte gang i en søgning, beskriver SiliconANGLE. Bag scenen sender modellen komplekse forespørgsler videre til OpenAI’s tekstmodel GPT-5.5, som håndterer web-søgninger og længere ræsonnement, uden at samtalen går i stå.
En af de fremhævede anvendelser er live-oversættelse mellem sprog i realtid. Under demoen fremhævede OpenAI selv, at oversættelsen endnu er ujævn på nogle sprog, herunder hindi, hvor ordvalget stadig virker unaturligt.
Stemme som primær grænseflade
For OpenAI er lanceringen ikke bare en opdatering af ChatGPT-appen. Det er et vink om, hvor selskabet ser brugerfladen bevæge sig hen.
Produktchef for ChatGPT Voice, Atty Eleti, fortalte i forbindelse med lanceringen, at han selv har haft 30 til 40 minutter lange samtaler med funktionen på gåture. På sigt tror OpenAI, at stemme kan blive den primære måde at styre computere på, blandt andet til at håndtere længerevarende, agentbaserede opgaver, oplyser The AI Insider.
Modellerne er foreløbig kun tilgængelige i ChatGPT-appen, men et API for udviklere er på vej. En dato er endnu ikke meldt ud.
OpenAI understreger samtidig, at GPT-Live ikke er tænkt som en AI-ledsager. Der er indbygget sikkerhedsforanstaltninger, som tilpasser svarene til yngre brugere og henviser til hjælpelinjer, hvis samtalen drejer ind på selvskade eller andre følsomme emner.
