بازار
این تغییر بر کاربرانی که هنوز حالت‌های مکالمه قدیمی‌تر را ترجیح می‌دهند، تأثیر می‌گذارد. اوپن‌ای‌آی می‌گوید تقریباً همه کاربران صدای ChatGPT از زمان معرفی آن در ماه ژوئیه به GPT-Live روی آورده‌اند. استفاده از صدا نیز در این دوره تقریباً دو برابر شده است که نشان دهنده تغییر قابل توجه به سمت سیستم جدیدتر است.
کاربران می‌توانند در طول این انتقال به صدای پیشرفته و استاندارد دسترسی داشته باشند. با این حال، کسانی که به هر یک از این گزینه‌ها متکی هستند، باید قبل از مهلت دسامبر، خود را وفق دهند.
گفتنی است که این کنار گذاشتن همچنین بر GPTهای سفارشی که در حال حاضر از فناوری صدای قدیمی‌تر استفاده می‌کنند، تأثیر می‌گذارد.
«GPT-Live» در مرکز توجه
مدل «GPT-Live» از معماری متفاوتی نسبت به نسخه‌های قبلی خود استفاده می‌کند. این مدل می‌تواند همزمان گوش دهد و صحبت کند و به مکالمات اجازه می‌دهد بدون نوبت‌گیری مرسوم، جریان داشته باشند.
این قابلیت، تبادلات سریع‌تر و وقفه‌های طبیعی‌تری را ممکن می‌سازد. همچنین می‌تواند کاربران را با پاسخ‌های کوتاه در حین صحبت تأیید کند. این مدل می‌تواند زمانی که کسی به زمان برای فکر کردن نیاز دارد، ساکت بماند و مکالمات را کمتر خشک جلوه دهد.
مدل «GPT-Live» همچنین برای درخواست‌های دشوارتر با مدل‌های مبتنی بر متن اوپن‌ای‌آی ارتباط برقرار می‌کند و می‌تواند سوالات پیچیده و وظایف چند مرحله‌ای را بدون پایان دادن به مکالمه صوتی جاری، واگذار کند. این امر به کاربران اجازه می‌دهد تا در حالی که سیستم کارهای پیچیده‌تری را در پس‌زمینه انجام می‌دهد، به صحبت خود ادامه دهند.
صدای پیشرفته از رویکرد سنتی‌تری پیروی می‌کند. مدل زیربنایی آن، صدای ورودی و خروجی را مستقیماً پردازش می‌کرد. با این حال، قبل از ایجاد پاسخ، باید منتظر می‌ماند تا کاربران صحبت خود را تمام کنند.
صدای استاندارد به سه مدل جداگانه متکی بود. یکی گفتار را به متن تبدیل می‌کرد، دیگری پاسخ را تولید می‌کرد و … …
