Open AI introduce GPT-Live

Open AI introduce una nuova generazione di modelli vocali, in grado di rendere la conversazione con l’intelligenza artificiale ancora più naturale e umana. Stiamo parlando di GPT-Live.

“Una nuova generazione di modelli vocali per un’interazione uomo-AI naturale, ora alla base di ChatGPT Voce”.

Il lancio di GPT-Live

Open AI lancia una nuova generazione di modelli vocali, GPT-Live, il modello vocale più intelligente realizzato finora. Ma il punto di forza di questo nuovo modello è il fatto che le conversazioni sono ora più simili a una conversazione reale che mai.

Ciò è possibile grazie a un’architettura full-duplex, che può ascoltare e parlare allo stesso tempo. Un approccio molto diverso rispetto ai precedenti, che rende l’intelligenza artificiale molto più “umana”. Mentre noi parliamo, infatti, il modello vocale mostrerà attenzione a ciò che stiamo dicendo, con espressioni tipicamente umane come “mh-mh” o “sì”.

L’esperienza che ne viene fuori è completamente diversa. La conversazione sarà molto più lineare e sarà molto più facile parlare con i modelli.

Al lancio GPT-Live userà GTP-5.5 in background. Al lancio, avvenuto in versione globale un paio di settimane fa, Open AI ha distribuito agli utenti due versioni: GPT-Live 1 e GPT-Live 1 Mini.

Gli approcci precedenti

Come dicevamo la grande novità di questo modello è proprio l’approccio nella conversazione, che diventa il più naturale e umana possibile. Per l’utente collaborare con l’AI sarà un’esperienza quasi analoga a quella che potrà provare collaborando con un altro essere umano.

Per capire la portata di questa novità dobbiamo innanzitutto esaminare un momento gli approcci precedenti.

Molti modelli linguistici utilizzano i sistemi vocali a cascata, basati su modelli che agiscono uno dopo l’altro, elaborando ogni singolo turno. Il sistema a vocale a cascata creava risponde lente e poco naturali, alternate a lunghe pause.

Successivamente sono arrivati i modelli linguistici che utilizzano sistemi vocali a turni. Questi modelli riducevano la latenza, generando l’audio all’interno di un unico modello. Tuttavia, sebbene le risposte sono più rapide e fluide, la conversazione risulta ancora rigida e poco naturale.

Il nuovo approccio di GPT-Live

Per realizzare un nuovo e completamente diverso approccio, Open AI ha elaborato e provato a risolvere i problemi degli approcci precedenti.

Per creare un’interazione continua ed eliminare le pause dovute alle conversazioni a turni, GPT-Live utilizza un’architettura full-duplex. Ciò vuol dire che il modello linguistico può elaborare le informazioni, e addirittura parlare, anche mentre sta ancora ascoltando. Esso elabora continuamente l’input anche mentre sta generando un output.

In questo modo la conversazione mantiene una percezione del tempo molto più “umana”, creando scambi più naturali.

Tutto ciò è possibile anche grazie a un’altra rivoluzione: GPT-Live delega i lavori più approfonditi. Mentre GPT-Live gestisce l’interazione continua con l’utente, senza alcuna pausa, le domande più complesse, che richiedono ricerche, ragionamenti e capacità maggiori, vengono delegate a un altro modello, in questo caso ChatGPT-5.5. In questo modo le attività più complesse vengono gestite in background, mentre GPT-Live mantiene viva la conversazione.

ChatGPT Voce

Per finire, parliamo di ChatGPT Voce. Circa 150 milioni di persone, infatti, interagiscono ogni settimana con ChatGPT utilizzando funzioni quali Voce e Dettatura.

In questo modo gli utenti possono ricevere aiuto senza nemmeno dover utilizzare le mani per scrivere. Ma non solo, il modello linguistico viene utilizzato per esercitarsi con le lingue, farsi raccontare delle storie e intrattenere semplici conversazioni quando siamo annoiati.

Per questo dall’introduzione di GPT-Live, quando gli utenti parleranno con il modello attraverso il pulsante Voce, le conversazioni saranno più naturali e l’ascolto notevolmente migliore.