OpenAI julkaisi GPT-Liven, uuden äänimalliperheen, joka muuttaa tavan puhua ChatGPT:lle. Malli kuuntelee ja puhuu samaan aikaan. Yhtiön mukaan keskustelu tuntuu nyt enemmän aidolta puhekumppanilta kuin vuoropohjaiselta chatbotilta. Julkaisu tapahtui keskiviikkona suorana lähetyksenä.
Muutos on iso. Aiempi puhetila ketjutti kolme erillistä mallia: puheen tekstiksi, kielimallin ja tekstin puheeksi. GPT-Live korvaa tämän yhdellä jatkuvaan vuorovaikutukseen rakennetulla mallilla. Samalla se syrjäyttää ChatGPT:n aiemman Advanced Voice Mode -tilan.
Täysduplex muuttaa keskustelun rytmin
GPT-Live perustuu täysduplex-arkkitehtuuriin. Se tarkoittaa, että malli voi kuunnella ja puhua yhtä aikaa. Käyttäjä voi keskeyttää sen luontevasti kesken lauseen. Vanhat äänitilat joutuivat odottamaan selkeää taukoa ennen vastausta.
Malli tekee vuorovaikutuspäätöksiä monta kertaa sekunnissa. Se päättää jatkuvasti, puhuako, kuunnellako, pitääkö tauon vai käyttääkö työkalua. Keskustelun aikana se voi myötäillä lyhyillä äänähdyksillä kuten mhmm tai joo.
OpenAI näytti demossa myös herätesanan. Yhtiön edustajat käyttivät ilmaisua Hey Chat avatakseen keskustelun. Malli osaa myös pysyä hiljaa pitkään ja poimia keskustelun kontekstin, kunnes sitä tarvitaan.
Älykkyys tulee taustamallista
GPT-Live on OpenAI:n mukaan sen älykkäin äänimalli tähän mennessä. Kun kysymys vaatii verkkohakua, syvempää päättelyä tai monimutkaista työtä, malli delegoi tehtävän vahvemmalle taustamallille. Julkaisuhetkellä taustalla toimii GPT-5.5.
Delegointi ei katkaise keskustelua. GPT-Live jatkaa puhumista, kun taustamalli työskentelee, ja tuo tuloksen mukaan, kun se on valmis. Käyttäjä voi valita päättelytason kolmesta vaihtoehdosta: Instant, Medium tai High.
Uutta on myös visuaalinen ulottuvuus. Malli voi näyttää tietoa kortteina esimerkiksi säästä, osakkeista ja urheilusta. OpenAI:n virallisen blogin mukaan malli pärjää vanhaa puhetilaa paremmin viiden ja kymmenen minuutin testikeskusteluissa.
Kaksi mallia ja globaali jakelu
OpenAI julkaisi kaksi versiota: GPT-Live-1:n ja kevyemmän GPT-Live-1 minin. Molemmat tulevat käyttöön ChatGPT:n käyttäjille maailmanlaajuisesti heti. Jakelu kattaa iOS:n, Androidin ja verkkoselaimen.
Mallit jakautuvat tilaustason mukaan. GPT-Live-1 on oletus Go-, Plus- ja Pro-tilaajille. Ilmaiskäyttäjät saavat GPT-Live-1 minin. Yhtiö aikoo tuoda mallit myös rajapintaan pian.
Käyttäjämäärä on merkittävä. OpenAI:n mukaan ChatGPT:n ääni- ja sanelutoimintoja käyttää jo yli 150 miljoonaa ihmistä viikoittain. Uusi malli tavoittaa siis heti valtavan yleisön.
Mitä tämä tarkoittaa käyttäjille
Yksi näkyvimmistä uusista kyvyistä on reaaliaikainen kääntäminen. Täysduplex-malli voi kääntää puhetta samalla, kun toinen osapuoli puhuu. Aiemmat vuoropohjaiset avustajat joutuivat odottamaan puhujan lopettamista.
Kaikki ei ole vielä valmista. Demossa hindinkielisessä käännöksessä oli vahva amerikkalainen korostus ja kirjakielinen sävy. GPT-Live ei myöskään vielä tue videota tai näytön jakoa ChatGPT:ssä, vaikka OpenAI lupaa nämä myöhemmin.
Yhtiö korostaa, ettei se tavoittele tekoälykumppania. Malliin on rakennettu suojauksia, jotka antavat ikätasoisia vastauksia nuorille ja ohjaavat apuun, jos keskustelu kääntyy esimerkiksi itsetuhoisuuteen. Tuotepäällikön mukaan keskustelut voivat silti venyä jopa 40 minuuttiin.
Yhteenveto
GPT-Live siirtää painopisteen kirjoittamisesta puhumiseen. Täysduplex-arkkitehtuuri, taustamallin delegointi ja globaali jakelu tekevät siitä OpenAI:n vakavan panostuksen ääneen. TechCrunchin mukaan yhtiö ei ole yksin: myös Thinking Machines kehittää jatkuvaan vuorovaikutukseen perustuvia malleja.
Avoin kysymys on, haluavatko käyttäjät avustajan, joka ei koskaan täysin lakkaa kuuntelemasta. Vastaus ratkaisee, korvaako puhe kirjoittamisen ChatGPT:n oletustapana.