ChatGPT یک قدم به دستیارهای علمیتخیلی نزدیکتر شد؛ GPT-Live مکالمه با AI را شبیه فیلمها میکند
OpenAI با معرفی GPT-Live میخواهد تجربه صحبتکردن با ChatGPT را از یک گفتوگوی خشک و نوبتی، به مکالمهای روان و زنده تبدیل کند؛ مدلی که میتواند وسط حرف کاربر مکث کند، همزمان گوش بدهد و حتی در پسزمینه کارهای پیچیدهتر را به GPT-5.5 بسپارد.
مهمترین تغییر در GPT-Live استفاده از معماری full-duplex است. به زبان ساده، این مدل میتواند همزمان گوش بدهد و صحبت کند. یعنی در حالی که کاربر هنوز در حال حرف زدن است، سیستم بهطور پیوسته گفتار او را پردازش میکند و همزمان تصمیم میگیرد چه زمانی پاسخ بدهد، کجا مکث کند، چه وقت فقط گوش کند و چه زمانی از ابزارهای دیگر کمک بگیرد.
OpenAI میگوید GPT-Live برای مدیریت بخشهای «نامرتبتر» مکالمه انسانی طراحی شده است؛ موقعیتهایی مثل وقتی کاربر وسط پاسخ، حرف ChatGPT را قطع میکند، هنگام فکرکردن مکث طولانی دارد، از سیستم میخواهد آهستهتر صحبت کند یا صرفاً ساکت بماند و گوش بدهد. این مدل حتی میتواند با واکنشهای کوتاهی مثل «اوهوم» یا «متوجه شدم» گفتوگو را کمتر مکانیکی نشان دهد.
به گفته OpenAI، GPT-Live در محیطهای شلوغ هم عملکرد بهتری دارد و باید بتواند در حضور صداهای مزاحم مثل ترافیک یا گفتوگوی اطراف، بهتر روی صدای کاربر تمرکز کند.
یکی دیگر از قابلیتهای مهم این مدل، واگذاری وظایف پیچیدهتر در پسزمینه است. اگر درخواست کاربر به جستوجوی وب، استدلال عمیقتر یا پردازش چندمرحلهای نیاز داشته باشد، GPT-Live میتواند آن را به GPT-5.5 بسپارد و پس از آمادهشدن نتیجه، آن را به مکالمه برگرداند؛ بدون اینکه گفتوگوی صوتی متوقف شود.
GPT-Live از امروز بهصورت جهانی در ChatGPT روی iOS، Android و وب در حال عرضه است. نسخه GPT-Live-1 موتور اصلی ChatGPT Voice برای کاربران Go، Plus و Pro خواهد بود و کاربران رایگان به GPT-Live-1 mini دسترسی پیدا میکنند.
OpenAI همزمان در حال اضافهکردن کارتهای بصری به گفتوگوهای صوتی است. به این ترتیب، اگر کاربر درباره موضوعاتی مثل آبوهوا، سهام یا ورزش سؤال کند، ChatGPT میتواند هنگام ادامه مکالمه صوتی، اطلاعات مرتبط را به شکل کارت روی صفحه نمایش دهد. قابلیتهایی مانند جستوجو، حافظه، تصاویر و بارگذاری فایل نیز همچنان در ChatGPT Voice فعال خواهند بود.
در حال حاضر، محدودیت اصلی GPT-Live به ویدئو مربوط میشود. این قابلیت فعلاً فقط از گفتوگوی صوتی پشتیبانی میکند و هنوز امکان استفاده همزمان از دوربین یا اشتراکگذاری صفحه در آن وجود ندارد. OpenAI گفته این ویژگیها در آینده اضافه خواهند شد.
