انقلاب صوتی OpenAI؛ ChatGPT حالا می‌تواند هم‌زمان بشنود و پاسخ دهد

پنج‌شنبه، 18 تیر

شرکت OpenAI نسل جدید مدل‌های صوتی خود با نام GPT-Live را معرفی کرد؛ فناوری‌ای که هدف آن تبدیل مکالمه با هوش مصنوعی به تجربه‌ای طبیعی‌تر و شبیه‌تر به گفت‌وگوی انسانی است. مهم‌ترین قابلیت این مدل، توانایی شنیدن و صحبت کردن هم‌زمان در لحظه است؛ قابلیتی که می‌تواند شیوه تعامل کاربران با دستیارهای هوشمند را تغییر دهد.

پایان مکالمات نوبتی با هوش مصنوعی

در نسل‌های قبلی دستیارهای صوتی، کاربر باید صحبت خود را کامل می‌کرد، سپس سیستم صدا را پردازش کرده و پاسخ می‌داد. اما GPT-Live با معماری Full-Duplex امکان مکالمه پیوسته را فراهم می‌کند؛ یعنی مدل می‌تواند در حالی که کاربر صحبت می‌کند، گوش دهد، واکنش نشان دهد و حتی در صورت نیاز پاسخ خود را آغاز کند.

این فناوری باعث می‌شود کاربران بتوانند مانند یک مکالمه واقعی، صحبت هوش مصنوعی را قطع کنند، مکث کنند یا مسیر گفتگو را تغییر دهند؛ بدون اینکه تعامل حالت خشک و ماشینی داشته باشد.

عرضه دو نسخه GPT-Live-1 و GPT-Live-1 mini

OpenAI این فناوری را در دو نسخه عرضه کرده است:

• GPT-Live-1؛ نسخه قدرتمندتر برای کاربران سرویس‌های پولی
• GPT-Live-1 mini؛ نسخه سبک‌تر برای دسترسی گسترده‌تر کاربران

این مدل‌ها به‌صورت جهانی در اختیار کاربران قرار گرفته‌اند و تجربه صوتی جدید ChatGPT را قدرت می‌دهند.

ترجمه زنده و انجام وظایف پیچیده‌تر

یکی از ویژگی‌های مهم GPT-Live، قابلیت ترجمه زنده در جریان مکالمه است. همچنین این مدل می‌تواند برای درخواست‌های پیچیده‌تر مانند جست‌وجوی اطلاعات، تحلیل‌های عمیق یا انجام وظایف چندمرحله‌ای، از مدل‌های قدرتمندتر در پس‌زمینه استفاده کند و روند مکالمه را حفظ کند.

به این ترتیب، کاربر دیگر مجبور نیست منتظر پایان پردازش یک درخواست بماند و می‌تواند در طول انجام کار همچنان با هوش مصنوعی گفتگو داشته باشد.

رقابت جدید در بازار دستیارهای هوشمند

معرفی GPT-Live در شرایطی انجام شده که رقابت میان شرکت‌های بزرگ فناوری برای ساخت نسل جدید دستیارهای هوشمند شدت گرفته است.

شرکت‌های فعال در حوزه هوش مصنوعی تلاش می‌کنند مدل‌هایی بسازند که تنها پاسخ‌دهنده نباشند، بلکه بتوانند مانند یک دستیار واقعی، مکالمه کنند، تصمیم بگیرند و وظایف مختلف را مدیریت کنند.

تغییر آینده ارتباط انسان با کامپیوتر

کارشناسان معتقدند فناوری‌هایی مانند GPT-Live می‌توانند مسیر استفاده از هوش مصنوعی را تغییر دهند. در آینده، کاربران ممکن است به جای تایپ کردن درخواست‌ها، بیشتر از طریق مکالمات طبیعی با سیستم‌ها کار کنند.

از آموزش زبان و خدمات مشتری گرفته تا برنامه‌ریزی شخصی، ترجمه و کمک‌های تخصصی، مدل‌های صوتی پیشرفته می‌توانند نقش مهم‌تری در زندگی روزمره ایفا کنند.

جمع‌بندی

رونمایی از GPT-Live یک گام مهم در مسیر توسعه هوش مصنوعی مکالمه‌ای محسوب می‌شود. توانایی شنیدن و صحبت کردن هم‌زمان، ترجمه زنده و حفظ جریان گفتگو باعث شده OpenAI تجربه‌ای نزدیک‌تر به ارتباط انسانی ارائه دهد.

با ورود این فناوری، رقابت برای ساخت دستیارهای هوشمندی که بتوانند در لحظه با کاربران تعامل کنند، وارد مرحله تازه‌ای شده است.