La modalità vocale di ChatGPT è stata riscritta: vi farà dimenticare di parlare con un'intelligenza artificiale

OpenAI ha annunciato nuovi modelli vocali per la modalità audio di ChatGPT. I modelli, denominati GPT-Live-1 e GPT-Live-1 mini, mirano a consentire agli utenti di conversare con l'intelligenza artificiale in modo più naturale e fluido.

Secondo quanto riferito dall'azienda, i nuovi modelli sono in grado di gestire meglio le pause e le transizioni durante la conversazione. L'obiettivo è far sì che le interazioni vocali con ChatGPT si avvicinino più a una conversazione bidirezionale che alla classica esperienza di comando e risposta.

POSSIBILITÀ DI PARLARE E ASCOLTARE CONTEMPORANEAMENTE

Una delle caratteristiche distintive dei nuovi modelli vocali è il supporto alla comunicazione full-duplex. Grazie a questa struttura, l'assistente è in grado di continuare a parlare mentre ascolta contemporaneamente la voce dell'utente. Ciò mira a garantire un'esperienza più fluida, specialmente durante le conversazioni prolungate.

È stato specificato che la modalità vocale esistente in ChatGPT sarà sostituita per impostazione predefinita dal modello GPT-Live-1 mini. Gli utenti con abbonamenti a pagamento potranno invece accedere a GPT-Live-1, presentato come il modello più grande e avanzato.

La precedente infrastruttura vocale di OpenAI consisteva in più fasi: un sistema di riconoscimento vocale che trascriveva la voce dell'utente in testo, un modello linguistico che generava la risposta e un sistema di sintesi vocale che la riproduceva. Si afferma che i nuovi modelli trasformino questa struttura in un'esperienza basata più direttamente sull'audio.

L'azienda sottolinea che la nuova modalità vocale è stata sviluppata per conversazioni di lunga durata. Secondo le informazioni riportate, un dirigente di OpenAI ha dichiarato di essere riuscito a sostenere conversazioni ininterrotte di 30-40 minuti durante le sue passeggiate grazie a questa funzione. Si prevede che la nuova struttura riduca anche problemi come l'interruzione non necessaria dell'utente da parte dell'assistente.

Per query più complesse che richiedono capacità di ricerca, ragionamento o funzioni da agente, la modalità vocale può fare affidamento in background sul modello testuale più recente dell'azienda, GPT-5.5. In questo processo, l'obiettivo è mantenere il flusso della conversazione vocale senza interruzioni.

Tuttavia, non è ancora chiaro se il nuovo sistema offrirà lo stesso livello di prestazioni in tutte le lingue. In una demo di traduzione in hindi dal vivo, è stato riferito che l'assistente parlava con un marcato accento americano e che la lingua suonava artificiale. Sebbene OpenAI affermi che la nuova modalità sia ottimizzata per "la maggior parte delle lingue più parlate", non ha condiviso un elenco dettagliato delle lingue supportate.

Fonte della notizia: 12punto