OpenAI推出实时语音模子:可同声传译 靠近真人交流
2026-07-21 04:56:26 宣布
泉源:凤凰网
作者:李阿荣
浏览:6175次
外地时间7月8日,,,,,,OpenAI推出可同步听说的实时语音模子GPT-Live,,,,,,让人类与AI的对话更靠近真人交流。。
OpenAI推出可同步听说的实时语音模子GPT-Live
新推出的GPT-Live模子包括GPT-Live-1和GPT-Live-1 mini两个版本。。新的语音模子可以不再等用户说完每个句子或比及清晰的停留才有回应,,,,,,而是可以同时听和说。。OpenAI称,,,,,,它还会在用户语言历程中适时发出“嗯”“对”“明确了”等简短回应。。
在演示中,,,,,,用户让ChatGPT核实即将到来的聚会日期,,,,,,同时盘问蹊径上的天气和交通状态。。ChatGPT会一边用“嗯”、“明确”等短句回应,,,,,,一边继续处理请求,,,,,,纵然用户中途追加更多需求,,,,,,它也没有丧失对话脉络。。
关于需要网页搜索、更深入推理或更重大事情的提问,,,,,,它会在幕后委派给OpenAI的其他模子,,,,,,并在效果准备好后带回对话中。。在处理这些使命时,,,,,,GPT?Live仍可以继续与用户攀谈,,,,,,坚持对话流通。。
OpenAI还展示了模子的实时翻译功效,,,,,,让AI语音助手不再像接力式谈天机械人那样对话。。以往的AI助手必需等用户讲完才华最先翻译,,,,,,现在新模子可以做到“同声传译”,,,,,,在对话推进中实时翻译,,,,,,更自然地跟上节奏。。
OpenAI总裁格雷格·布罗克曼(Greg Brockman)形容这次更新是“与盘算机交互的一种更自然的方式”。。
据OpenAI先容,,,,,,最初的ChatGPT语音将三个模子串联在一起,,,,,,语音转文本模子用于转写用户语音,,,,,,大语言模子用于天生回应,,,,,,文本转语音模子用于将回应再转换针言音。。这种级联式语音系统让人类能够首次与AI模子对话,,,,,,但其重大性也带来了价钱,,,,,,即信息可能在模子之间流失,,,,,,回应也缓慢而生硬。。别的,,,,,,以往的轮次式语音模子在单个模子内处理并天生音频,,,,,,但模子也必需等用户阻止语言后才华回应,,,,,,导致往返交流显得僵硬。。短暂的停留或配景噪声也可能被误以为一轮竣事,,,,,,因此模子会在不自然的时机插话。。
GPT?Live通过两项架构转变解决了这些限制。。OpenAI体现,,,,,,他们基于全双工架构构建了GPT?Live,,,,,,以支持一连交互。。GPT?Live不再处理一连串相互自力的新闻,,,,,,而是在天生输出的同时一连处理输入。。因此,,,,,,模子可以在每秒内多次做出交互决议,,,,,,决议语言、继续谛听、暂停、打断或挪用工具,,,,,,这让模子能够更自然地往返交流甚至执行实时翻译。。
与此同时,,,,,,当用户的问题需要搜索、推理或更具智能体特征的能力时,,,,,,GPT?Live可以将使命委派给 GPT?5.5等模子。。这让GPT?Live能够在后台处理多个使命时,,,,,,也能坚持对话继续举行。。这一架构转变让GPT?Live能够一连使用最新的模子和智能体,,,,,,将前沿智能与自然交相互连系。。
今年5月,,,,,,由OpenAI前首席手艺官米拉·穆拉蒂(Mira Murati)向导的AI实验室Thinking Machines也展示了类似手艺。。该公司体现,,,,,,其交互模子设计为可跨音频、视频和文本一连输入与输出,,,,,,而非依赖古板谈天机械人的停留式节奏。。更新后的模子能够“原生处理交互”,,,,,,让人机交互越发顺畅,,,,,,“而不是强迫人类去迁就AI界面的使用方式”。。
融通人心,,,,,,这是一条民族团结纽带
责任编辑:蒯月佩 校对:梁佳琪