GPT-Live má změnit hlasové asistenty z přerušovaného dialogu na souvislý rozhovor

GPT-Live mění základní způsob, jakým hlasový systém řídí rozhovor. Dosavadní asistenti obvykle čekají, až uživatel domluví, převedou řeč na text, vytvoří odpověď a následně ji opět převedou na zvuk. Tento sled samostatných kroků způsobuje prodlevy a ztrátu části informací, například intonace nebo váhání. Nový model používá obousměrnou architekturu, v níž současně přijímá i vytváří zvuk. Několikrát za sekundu vyhodnocuje, zda má promluvit, dál poslouchat, udělat pauzu, přerušit vlastní odpověď nebo použít nástroj. Díky tomu může reagovat krátkým potvrzením, nechat uživatele přemýšlet nebo zvládnout rychlé střídání replik. OpenAI 8. července zahájila celosvětové zavádění modelů GPT-Live-1 a levnějšího GPT-Live-1 mini do hlasového režimu ChatGPT. Přístup přes programové rozhraní chce zpřístupnit později. Firmám zatím nabízí možnost přihlásit se k oznámení dostupnosti. Systém odděluje samotný rozhovor od náročného uvažování. GPT-Live udržuje plynulou komunikaci, ale složitější otázku může předat jinému modelu, který mezitím hledá na webu, analyzuje podklady nebo plánuje další kroky. Při spuštění používá v pozadí GPT-5.5. Toto rozdělení má obchodní význam. Kontaktní centrum nemusí pro každou sekundu hovoru používat nejdražší model. Rychlá hlasová vrstva zvládá běžnou výměnu a výkonnější systém se zapojí pouze u úlohy, která vyžaduje hledání nebo složitější rozhodování. Dodavatel tak může odděleně optimalizovat cenu, latenci a přesnost. OpenAI uvádí, že její hlasové funkce používá týdně více než 150 milionů lidí. Uživatelé je využívají při cestě autem, výuce jazyků, běžných otázkách nebo čtení příběhů. Takový rozsah dává firmě velké množství provozních zkušeností, zároveň však zvyšuje význam pravidel pro nakládání s hlasovými údaji. Nejbližší využití se nabízí v zákaznické podpoře, objednávkových linkách, vzdělávání, překladech a hlasovém ovládání pracovních systémů. Plynulejší střídání replik může omezit situace, kdy automat zákazníka přeruší nebo považuje krátkou pauzu za konec odpovědi. Přirozenější hlas ale současně zmenšuje rozdíl mezi člověkem a strojem. Organizace by měla na začátku hovoru jasně sdělit, že zákazník mluví s automatizovaným systémem. V Evropské unii se transparentnost stává důležitou také kvůli pravidlům pro systémy, které mohou uživatele přesvědčovat nebo napodobovat lidské chování. Další otázkou je biometrická povaha hlasu. Záznam může obsahovat identifikační znaky, zdravotní údaje, emoce nebo informace o okolí volajícího. Firma proto musí určit, zda zvuk uchovává, jak dlouho, kdo k němu má přístup a zda skutečně potřebuje celý záznam místo přepisu. Obchodní přínos nebude záviset jen na přirozenosti hlasu. Rozhodne přesnost, bezpečné předávání člověku, doložitelný souhlas se zpracováním údajů a schopnost zabránit tomu, aby systém provedl nevratný krok na základě chybně pochopené věty.

GPT-Live má změnit hlasové asistenty z přerušovaného dialogu na souvislý rozhovor

Celé znění článku máte k dispozici po registraci na Abravito