Natürlichere Stimme
OpenAI hat GPT-Live-1 und seine Mini-Version auf den Markt gebracht, eine neue Generation von Sprachmodellen für ChatGPT. Die Interaktion ähnelt nun eher einem menschlichen Gespräch: Das System hört zu, antwortet und hält sogar inne, wenn der Benutzer nachdenkt.
Während der Live-Aufführung reagierte der Stimmmodus sofort, behielt den Rhythmus bei und zeigte eine natürliche Intonation. Er führte auch Simultanübersetzungen durch, wobei er gleichzeitig zuhörte und sprach.
Laut OpenAI nutzen wöchentlich mehr als 150 Millionen Menschen ihre Stimme auf ChatGPT, um Fragen zu beantworten, Sprachen zu üben oder Auto zu fahren.
Vollduplex-Architektur
Die wichtigste Neuerung ist die Vollduplex-Architektur: Das Modell kann gleichzeitig zuhören und sprechen. Es wartet nicht mehr darauf, dass der Benutzer fertig ist, bevor es antwortet, sondern greift bei Bedarf ein oder bleibt stumm, wenn es erkennt, dass die Person noch nachdenkt.
„GPT Live klingt so natürlich, dass es fast so ist, als würde man mit einer echten Person sprechen. Es ist ein ganz besonderes Erlebnis, das man versuchen muss, zu spüren“, sagte Atty Eleti vom technischen Team von OpenAI.
Das System vermeidet Unterbrechungen durch Umgebungslärm oder kurze Pausen. Sie können jetzt Ausdrücke wie „uh-huh“ verwenden, um anzuzeigen, dass Sie immer noch aufmerksam sind. Der Benutzer kann darum bitten, langsamer zu sprechen, eine Pause einzulegen oder mit neuen Fragen zu unterbrechen, ohne den Sprachfluss zu unterbrechen.
Simultanübersetzung und Argumentation
Wenn eine Abfrage eine Internetsuche oder eine komplexe Analyse erfordert, delegiert GPT-Live diese Aufgabe an GPT-5.5. Das Gespräch wird ohne Unterbrechung fortgesetzt, während das Grenzmodell die Antwort verarbeitet.
„Wenn GPT Live eine Frage erhält, die eine eingehende Analyse erfordert, kann es diese Argumentation an GPT-5.5 delegieren, während GPT Live weiterhin mit dem Benutzer kommuniziert“, erklärte Kundan Kumar vom technischen Team.
Benutzer wählen zwischen drei Argumentationsebenen: Sofort, Mittel und Hoch. Zu den Antworten können visuelle Karten gehören, wenn das Zeigen hilfreicher ist als das Erzählen.
Die Simultanübersetzung funktioniert dank der Vollduplex-Architektur: Sie hören sich eine Sprache an, während Sie die Übersetzung in einer anderen erstellen, ähnlich wie bei einem professionellen Dolmetscher.
Sicherheit und Verfügbarkeit
OpenAI verstärkte die Sicherheit durch spezielles Training für Sprachgespräche und Mechanismen, die in Echtzeit agieren. Wenn riskante Inhalte erkannt werden, leiten Sie die Konversation um oder beenden Sie die Interaktion. Das System verwendet nur vordefinierte Stimmen, ohne echte Menschen zu imitieren.
Das Update wird diese Woche für iOS, Android und ChatGPT.com verfügbar sein. GPT-Live-1 wird das Standardmodell für Go-, Plus- und Pro-Pläne sein; GPT-Live-1 mini kommt zum kostenlosen Plan.
