OpenAI готовит революцию в голосовом общении: утечка раскрыла возможности модели GPT-Bidi-1

Компания OpenAI приступила к тестированию инновационной двунаправленной голосовой модели, получившей техническое название GPT-Bidi-1. Ключевой особенностью разработки является способность искусственного интеллекта одновременно слушать собеседника и воспроизводить речь. Это позволяет системе естественно реагировать на прерывания в середине предложения, что ранее было слабым местом голосовых интерфейсов.

Технические особенности и возможности

Название Bidi является сокращением от bidirectional (двунаправленный). В отличие от текущих версий, которые работают в режиме поочередного диалога, новая модель имитирует живое человеческое общение. В обзорах TestingCatalog отмечается, что в программном коде модель описывается как «крупный скачок в развитии интеллекта» и «следующее поколение голосовых технологий».

В ходе предварительных тестов были зафиксированы следующие возможности:

• Мгновенная реакция на смену задачи: если прервать систему во время выполнения задания (например, счета до десяти) и попросить изменить условия, она перестраивается без задержки.
• Естественные подтверждения: модель может вставлять короткие реплики, такие как «хорошо» или «понятно», когда пользователь замедляет речь или делает небольшую паузу, не завершая при этом сессию общения.
• Улучшенное удержание контекста: система способна сохранять нить длительного разговора, не теряя информацию из его начала, что было частой проблемой в предыдущих итерациях голосового стека ChatGPT.

Интеграция и стратегия развития

В интерфейсе мобильного приложения ChatGPT уже обнаружены следы новой функции. По словам обозревателей, Bidi 1 появляется в меню выбора моделей рядом со стандартными и расширенными опциями. При активации этого режима графический индикатор голоса меняет свой цвет на желтый.

Эксперты полагают, что OpenAI планирует трансформировать ChatGPT в полноценное «суперприложение». В рамках этой стратегии основной упор будет сделан на инструмент для написания кода Codex и развитие агентов — инструментов ИИ, способных автономно выполнять задачи за пользователя. Двунаправленная голосовая модель должна стать ключевым элементом этой экосистемы.

Выпуск GPT-Bidi-1 призван сократить технологический разрыв между продвинутыми текстовыми алгоритмами и устаревающим звуковым слоем. Компания делает ставку на то, что в будущем голос станет основным способом взаимодействия человека с искусственным интеллектом. Несмотря на то, что официального анонса еще не было, начало развертывания функций для узкого круга пользователей может указывать на полноценный релиз в ближайшее время.

Твитнуть