
AI领域知名企业OpenAI于今日正式发布了全新的语音模型系列——GPT-Live。这一系列模型的最大亮点在于能够同步进行场景与表达,并会在对话中穿插“嗯哼”、“对啊”(yeah)之类的发音,营造出与真人沟通时相近的节奏感与停顿方式。
据路透社消息,正准备分阶段的 OpenAI 宣布,GPT-Live 系列将于今天面向全球用户开放,共两个版本:GPT-Live-1 以及更轻量的 GPT-Live-1
早在今年5月,OpenAI便已通过其开发者平台发布过三款音频模型,目标是提升语音驱动的软件代理在即时场景下的对话流畅度与任务执行能力。从OpenAI官网的产品说明来看, GPT
-Live采用了全双工(Full-Duplex,FDX)技术架构,这使得它可以在同一时刻既接收、又进行语音输出,实现真正的“边听边说”。
在实际语音中,GPT-Live会以“嗯嗯”(mhmm)或“对啊”(yeah)等来表明自己正在认真接收,同时也支持快节奏的来回交互。当用户需要停下来思考时,它还能适保持沉默,整体体验更自然时输入。