OpenAI merilis model suara baru untuk percakapan langsung yang lebih alami
OpenAI hari ini merilis model percakapan baru, yang disebut GPT-Live-1 dan GPT-Live-1 mini, mengklaim bahwa model tersebut terdengar lebih alami dan dapat menangani pengambilan giliran dengan lebih baik. Ini adalah model dupleks penuh, yang berarti mereka dapat berbicara dan mendengarkan pada saat yang sama, memungkinkan pengguna untuk melakukan interupsi secara alami dan mengaktifkan fitur seperti terjemahan langsung. Perusahaan juga mengganti Mode Suara Lanjutan saat ini di ChatGPT dengan GPT-Live-1 mini secara default. Pengguna tingkatan berbayar akan dapat mengakses model GPT-Live-1 yang lebih besar. Model sebelumnya menggabungkan model ucapan-ke-teks untuk mentranskripsikan ucapan, model bahasa besar untuk menghasilkan respons, dan model teks-ke-ucapan untuk menyampaikan jawaban akhir. Perusahaan mengatakan dalam konferensi pers bahwa model-model baru ini memecahkan masalah seperti mengganggu pengguna saat mereka sedang berbicara dan tidak memiliki cukup kecerdasan untuk menjawab pertanyaan. Model baru OpenAI akan mengirimkan kueri ke model teks terbarunya seperti GPT-5.5 untuk kemampuan penelusuran, penalaran, atau agen sambil melanjutkan percakapan. OpenAI juga menunjukkan bahwa model tersebut dapat diam dalam waktu lama dan menyerap konteks percakapan hingga diperlukan. Selain itu, karena mode suara baru memiliki akses ke model GPT yang lebih baru, mode ini juga dapat menyajikan beberapa informasi dalam format visual. Startup lain seperti Monogram, yang mengumpulkan dana awal sebesar $40 juta dari DST dan Lux Capital, juga mengandalkan respons visual untuk menjadikan asisten lebih interaktif. Perusahaan mengatakan mode suara baru di ChatGPT dirancang untuk melakukan percakapan lebih lama. Dalam pengarahan, pimpinan produk ChatGPT Voice, Atty Eleti, mengatakan dia telah melakukan percakapan selama 30 hingga 40 menit dengan fitur suara saat berjalan. OpenAI berpendapat bahwa suara dapat menjadi antarmuka utama komputasi untuk pekerjaan kompleks. Laporan menunjukkan bahwa mereka mungkin meluncurkan sepasang earbud dengan kemampuan AI tahun ini. Namun, mereka tidak memberikan informasi apa pun mengenai produk perangkat keras. “Seiring berjalannya waktu, kami pikir hal ini juga akan membuka kemampuan untuk menggunakan suara sebagai semacam antarmuka utama untuk komputasi, dan untuk mengelola pekerjaan agen jangka panjang yang semakin kompleks. Kasus penggunaan luar biasa yang kami lihat dicapai oleh orang-orang yang menggunakan Codex dan ChatGPT, menurut kami suara dapat menjadi antarmuka masa depan untuk semua jenis pekerjaan,” kata Eleti. OpenAI telah berupaya memperkuat fitur berbasis suara selama beberapa tahun terakhir untuk membuat mode suara ChatGPT terdengar lebih alami. Perusahaan mengatakan lebih dari 150 juta orang berbicara dengan ChatGPT menggunakan fitur seperti Suara dan Dikte. Saingan juga berusaha membuat asisten lebih ekspresif. Baik Apple dan Amazon telah memperbarui asisten mereka agar lebih komunikatif dengan penanganan konteks yang lebih baik. Startup seperti Sesame, yang didirikan oleh salah satu pendiri Oculus, Brendan Iribe dan Ankit Kumar, juga meluncurkan asisten AI dengan percakapan yang lebih alami sambil menyelesaikan tugas di latar belakang. OpenAI bergerak ke arah yang sama, bertujuan untuk memungkinkan pengguna berbicara dengan asistennya secara handsfree untuk waktu yang lebih lama. Meskipun mereka mengklaim bahwa mode suara baru terdengar lebih alami, perusahaan menekankan bahwa mereka tidak bermaksud menjadikannya sebagai pendamping AI. Dikatakan bahwa model-model baru ini memiliki perlindungan yang dibangun untuk memberikan respons yang sesuai dengan usia remaja dan menyediakan sumber daya jika pembicaraan beralih ke topik seperti menyakiti diri sendiri. Mode suara baru masih perlu diperbaiki. Selama demo, ketika perusahaan menunjukkan fitur terjemahan langsung dalam bahasa Hindi, asisten tersebut memiliki aksen Amerika yang kental dan berbicara dalam bahasa Hindi yang terdengar tidak wajar dan bernada agak kutu buku. Perusahaan mengatakan mode baru ini dioptimalkan untuk “sebagian besar bahasa yang digunakan” tetapi tidak menentukan bahasa yang mana. Saat Anda membeli melalui tautan di artikel kami, kami mungkin mendapat komisi kecil. Hal ini tidak mempengaruhi independensi editorial kami.
Diterbitkan : 2026-07-08 17:00:00
sumber : techcrunch.com
