Najważniejsze informacje
OpenAI całkowicie przeprojektował architekturę głosu w ChatGPT, tak by dźwięk mógł płynąć bez przerw. Nowy system, GPT-Live, pozwala ChatGPT jednocześnie mówić i słuchać. Liczbę „okrążeń” w sieci przy starcie sesji głosowej zredukowano z sześciu do jednego. Audio trafia do wydzielonej, szybkiej ścieżki, podczas gdy rozumowanie i narzędzia działają asynchronicznie. OpenAI opublikował pełny, techniczny opis przebudowy systemu.
OpenAI przebudował infrastrukturę głosową stojącą za ChatGPT, wprowadzając nową architekturę GPT-Live. Rozwiązanie to utrzymuje ciągły przepływ audio, dzięki czemu głębsze rozumowanie i korzystanie z narzędzi nie przerywają rozmowy.
OpenAI opisał zmiany w serii wpisów z 3 sierpnia i opublikował blog, w którym szczegółowo wyjaśnia przebudowę – od warstwy klienckiej po model. Spółka podała, że rozruch sesji głosowej udało się skrócić z sześciu przejść sieciowych do jednego.
Jak działa GPT-Live
GPT-Live kieruje dźwięk osobną, szybką ścieżką, oddzieloną od procesów rozumowania i wywołań narzędzi. Te bardziej złożone działania uruchamiane są asynchronicznie, czyli „w tle”, bez wstrzymywania strumienia audio.
Efektem jest sesja głosowa, która uruchamia się szybciej i utrzymuje płynność, eliminując przerwy, jakie użytkownicy obserwowali wcześniej, gdy ChatGPT przetwarzał złożone zapytania.
OpenAI podał w poście, że nowa architektura szczególnie adresuje moment startu sesji, dzięki czemu rozmowa od pierwszej wymiany zdań brzmi bardziej naturalnie. Przebudowa usuwa strukturalne ograniczenie poprzedniego stosu technologicznego, w którym każdy krok rozumowania zmuszał warstwę audio do czekania.
GPT-Live ma ograniczyć opóźnienia w odpowiedziach głosowych ChatGPT
OpenAI odważnie inwestuje w funkcje głosowe w horyzoncie do 2026 r. Wcześniej w tym roku firma mierzyła się z zarzutami, że odpowiedzi głosowe ChatGPT przy wieloetapowych zadaniach były nienaturalne i zbyt wolne. GPT-Live to bezpośrednia odpowiedź inżynieryjna na tę lukę jakościową.
Premiera następuje po ujawnieniu w zeszłym miesiącu, że wewnętrzna wersja kolejnego głównego modelu OpenAI wygenerowała dziesięć nowych wyników z matematyki przy kosztach tokenów rzędu 2 tys. dolarów, co sygnalizuje szerokie inwestycje infrastrukturalne w całej linii produktów.
Zobacz także: Qwen i DeepSeek spychają chińską sztuczną inteligencję pod same drzwi Anthropic
