Rugsėjo 10 d. „OpenAI“ paskelbė GPT‑Live‑1 prieinamumą API kūrėjams. Vienas modelis apdoroja gaunamą ir siunčiamą garsą, todėl mažėja poreikis atskiromis grandimis jungti kalbos atpažinimą, tekstinį modelį ir kalbos sintezę. Jis palaiko sklandesnius pertraukimus, tylos bei foninio triukšmo valdymą ir ilgesnių sesijų kontekstą.
GPT‑Live‑1 gali perduoti sudėtingesnį samprotavimą ir įrankių kvietimus pasirinktam galiniam modeliui, o kūrėjai sistemos instrukcijomis gali valdyti toną, tempą ir pokalbio stilių. „OpenAI“ taip pat nurodo telefonijos palaikymą bei platesnį balsų pasirinkimą skirtingiems akcentams, tarmėms ir kalboms.
Kodėl tai svarbu?
INVIS vertinimu, svarbiausias pokytis – balso sąsaja tampa atskiru, realiuoju laiku valdomu sluoksniu. Tai gali supaprastinti agentų architektūrą ir padaryti telefoninius darbo procesus natūralesnius.
Redakcijos pastaba
Originali lietuviška santrauka pagal oficialų „OpenAI“ šaltinį. Tekstą rengiant ir tikrinant naudotas DI. Iliustracija sukurta DI.
