OpenAI готує нову голосову модель для ChatGPT, яка може слухати й говорити одночасно

У коді застосунку ChatGPT помітили згадки про нову голосову модель GPT-Bidi-1. Це може бути двонапрямна аудіомодель, яка здатна одночасно слухати користувача й відповідати голосом, пише Android Authority.

OpenAI поки що офіційно не анонсувала GPT-Bidi-1. Водночас профільні медіа пишуть, що модель уже почали відкривати для частини користувачів застосунку ChatGPT, а це може свідчити про запуск найближчим часом.

Bidi, ймовірно, є скороченням від bidirectional — «двонапрямний». Такий підхід дозволяє голосовому асистенту не чекати повного завершення репліки користувача, а слухати, говорити й реагувати майже одночасно.

За даними витоків, GPT-Bidi-1 може природніше реагувати на паузи користувача: давати короткі підтвердження на кшталт «окей» або «гаразд», але не перебивати співрозмовника. Також модель нібито зможе швидко змінювати завдання під час розмови. Наприклад, якщо попросити її рахувати до десяти, а потім посеред відповіді попросити рахувати у зворотному порядку, вона має одразу адаптуватися.

Ще однією зміною може стати краща робота з контекстом довгих розмов. За даними Android Authority, модель має утримувати попередні частини діалогу й не втручатися під час більш тривалих пауз.

У витоках також зазначено, що Bidi-1 може з’явитися в меню вибору моделей у налаштуваннях поруч зі стандартним і розширеним голосовими режимами. Після її активації голосова бульбашка змінюватиме колір на жовтий. У внутрішньому коді модель описували як «великий стрибок в інтелекті» й «наступне покоління Voice».

TestingCatalog пише, що GPT-Bidi-1 може стати спробою OpenAI скоротити розрив між сильнішими текстовими моделями й голосовим інтерфейсом ChatGPT. Якщо дані про модель підтвердяться, голосові розмови з ChatGPT можуть стати ближчими до живого діалогу — з природнішими паузами, перебиваннями і продовженням контексту.

Офіційних деталей про GPT-Bidi-1 OpenAI поки що не оприлюднювала.