Moje doświadczenia z ulepszonym trybem głosowym ChatGPT: Niespotykanie naturalne

💡 Najważniejsze rzeczy, które musisz wiedzieć

• Dzięki GPT-Live możesz mówić i słuchać w tym samym czasie, co pozwala na przerywanie rozmowy i zapewnia bardziej naturalne wrażenia podczas rozmowy oraz szybsze odpowiedzi.
• Potrafi wykonywać złożone zadania w tle i zapewniać tłumaczenie w czasie rzeczywistym podczas mówienia, ignorując hałas w tle.
• Możesz dostosować poziom „inteligencji” głosu dla ChatGPT w trzech trybach (natychmiastowy, średni, wysoki), aby znaleźć równowagę między szybkością i dokładnością reakcji.

Najnowszą aktualizacją ChatGPT, dostępną już dla wszystkich użytkowników, jest GPT-Live. OpenAI opisuje ją jako „nową generację” modeli głosowych do interakcji z chatbotami opartymi na sztucznej inteligencji. Może się okazać, że zachęca ona do spędzania większej ilości czasu na czacie niż na pisaniu, co pozwala na odkrycie najlepszych funkcji ChatGPT.

Wprowadzanie głosowe w ChatGPT nie jest nowością, ale historycznie stanowiło stosunkowo podstawową warstwę standardowego wprowadzania i wyprowadzania tekstu. Opisywano je jako bardziej naturalny sposób interakcji ze sztuczną inteligencją, ale GPT-Live obiecuje przenieść tę płynność na zupełnie nowy poziom.

Po raz pierwszy tryb audio będzie mógł myśleć w tle, kontynuując rozmowę. Zapewni Ci również dodatkową przestrzeń na pauzę w razie potrzeby i zasygnalizuje, że nadal słucha, za pomocą fraz takich jak „Mmm” lub „Tak”.

Aktualizacja powinna być dostępna na urządzeniach mobilnych i internetowych już teraz (lub wkrótce). Użytkownicy wersji darmowej otrzymują dostęp do GPT-Live-1 mini, a abonenci planów płatnych – do inteligentniejszego modelu GPT-Live-1.

Jak działa GPT-Live?

Ostatecznym celem OpenAI jest sprawienie, aby rozmowa z ChatGPT przypominała rozmowę z prawdziwą osobą, a GPT-Live jest coraz bliżej osiągnięcia tego celu. Pierwotnie interakcja głosowa ze sztuczną inteligencją wymagała specjalnego modelu do konwersji mowy na tekst, innego do faktycznej odpowiedzi na zapytanie i jeszcze innego do konwersji tekstu na mowę.

Poprzedni model głosowy w ChatGPT integrował to wszystko w jednym modelu sztucznej inteligencji, ale nadal działał turowo: mówisz, chatbot odpowiada, a potem mówisz ponownie. Dzięki GPT-Live, ChatGPT może mówić i słuchać jednocześnie. Możesz przerwać rozmowę w razie potrzeby, a odpowiedzi powinny być szybsze i dokładniejsze.

Nowy tryb głosowy ma być inteligentniejszy w rozpoznawaniu różnicy między zatrzymaniem się w połowie myśli a faktycznym dokończeniem zapytania. Model przelicza teraz kilka razy na sekundę, czy mówić, kontynuować słuchanie, wstrzymać, przerwać, czy wywołać narzędzie.

Źródło: OpenAI

Dodatkową zaletą tej aktualizacji jest to, że nawet złożone zadania i głębokie przemyślenia mogą być przesyłane do serwerów ChatGPT w tle, podczas gdy rozmowa jest kontynuowana. Możesz również poprosić ChatGPT o wstrzymanie lub spowolnienie; ulepszono również odpowiedzi wizualne, dzięki czemu możesz zobaczyć na przykład wyskakujące karty z lokalizacjami, prognozami pogody i wynikami sportowymi.

Możesz teraz poprosić GPT-Live o przetłumaczenie czegoś na język obcy w trakcie mówienia. Dzięki tym nowym możliwościom usłyszysz natychmiastowe tłumaczenie w obcym języku, bez żadnych przerw czy przerw. Wprowadzono również usprawnienia w filtrowaniu szumów tła (takich jak ruch uliczny czy rozmowy w pobliżu).

GPT-Doświadczenie na żywo

Aby uzyskać dostęp do trybu audio w aplikacji mobilnej, dotknij ikony fali dźwiękowej po prawej stronie pola wprowadzania. Nowy tryb wygląda bardzo podobnie do starego, ale po tej aktualizacji u góry ekranu powinien pojawić się napis „Live” (przynajmniej na razie, można go dotknąć, aby powrócić do starszych modeli).

Od razu zaktualizowany tryb głosowy brzmi bardziej realistycznie i naturalnie. ChatGPT będzie mówić w zróżnicowany i ekspresyjny sposób, dodając pomocne wskazówki, takie jak „Pozwól mi sprawdzić”, gdy czegoś szuka. Czasami będzie też zawahać się i przeciągać słowa.

Rozmawiałem z GPT-Live przez kilka minut o nadchodzących filmach, ostatnich meczach piłkarskich i najnowszych wiadomościach technologicznych. Otrzymałem pełne szacunku, zwięzłe i logiczne odpowiedzi (tryb audio pozostaje schronieniem dla tych, którzy nie chcą widzieć ścian tekstu przy każdej odpowiedzi).

Do wyboru są trzy poziomy „inteligencji”. Źródło: OpenAI

Zdarzały się momenty, gdy rozmowa zatrzymywała się i urwała, ale zdarzało się to tylko przez około pół godziny czatu (i te usterki powinny być z czasem korygowane). Przerwy są również obsługiwane znakomicie – sztuczna inteligencja przerywa, aby potwierdzić wypowiedź, a następnie wznawia swój tok myślenia.

Możesz dostosować poziom inteligencji ChatGPT w nowym trybie głosowym: kliknij ikonę suwaka (w prawym górnym rogu), a następnie kliknij opcję Inteligencja . Do wyboru są trzy tryby — Natychmiastowy , Średni i Wysoki — z różnymi poziomami równowagi między responsywnością, szczegółowością i dokładnością.