OpenAI ist bestrebt, im Sattel zu bleiben und seine Führungsposition im immer härter werdenden Wettbewerb um künstliche Intelligenz zu behaupten. Das Unternehmen hat nun ein Modell vorgestellt, das die Funktionsweise von ChatGPT Voice erheblich verändern wird: Das System wird nun auch im „Full-Duplex“-Modus zu einer wesentlich direkteren Konversation fähig sein.
Das neue Modell trägt den Namen GPT-Live; in einer ersten Phase werden zwei Varianten eingeführt: GPT-Live-1 und GPT-Live-1 mini. Durch den Vollduplex-Betrieb wird die Konversation mit der künstlichen Intelligenz von wirklich menschlich, da sie von nun an nicht mehr nur sprechen oder zuhören kann, sondern gleichzeitig ihre eigenen Aussagen macht und auf die Reaktionen des Nutzers hört. Sein menschliches Verhalten wird sich auch in vielen anderen Bereichen zeigen.
Die Entwickler sorgen bereits dafür, dass der Sprachmodus den Nutzern während des Gesprächs seine ständige Anwesenheit und Aufmerksamkeit signalisiert, indem er beim Zuhören gelegentlich ein „Ja“ oder ein „hmm“ von sich gibt – genau wie Menschen. Interessant ist auch, dass es zwar für schnelle Kommunikation entwickelt wurde und daher schneller als je zuvor auf Fragen antworten wird, aber dennoch erkennen kann, wann es besser ist, nicht zu sprechen. Wenn man mitten im Satz kurz innehält, um nachzudenken, weil einem das passende Wort nicht einfällt, wartet ChatGPT geduldig.
Ebenso wird ChatGPT Voice in der Lage sein, während des Gesprächs nachzudenken, da das Sprach- und das Wissenszentrum im Hintergrund voneinander getrennt sind. Tiefgreifendere Informationen und komplexere Fragen wird das System so beantworten, dass das GPT-Live-Modell die Aufgabe an das fortschrittlichste GPT-5.5-Modell des Unternehmens weiterleitet, das die „Lösung“ ausarbeitet, und das Ergebnis anschließend an das GPT-Live-Modell zurückgibt, welches den Nutzer dann über den Sprachmodus informiert.
„Diese Entwicklungen bieten ein neues ChatGPT-Sprach-Erlebnis, das eine intelligentere und natürlichere Nutzung ermöglicht. Wir glauben, dass diese Forschung es mit der Zeit auch ermöglichen wird, den Sprachmodus für immer komplexere, länger andauernde und agentenbasierte Aufgaben zu nutzen“, betonte OpenAI.
OpenAI arbeitet kontinuierlich daran, die Kommunikation mit künstlicher Intelligenz wirklich menschlich zu gestalten, und die Einführung des GPT-Live-Modells ist ein wichtiger Schritt in diese Richtung. Auch die Geräuschunterdrückung des Systems wurde verbessert: Es ist nun in der Lage, menschliche Gespräche im Hintergrund auszublenden und sich ausschließlich auf die Stimme des Besitzers zu konzentrieren. Auch visuell hat sich die Funktionsweise weiterentwickelt, sodass nun zahlreiche Informationskarten angezeigt werden können.
Nach Angaben des Unternehmens nutzen bereits 150 Millionen Menschen wöchentlich den Sprachmodus und die Diktierfunktion, und man ist zuversichtlich, dass das GPT-Live-Modell dem Ganzen weiteren Schwung verleihen wird. Abschließend fügte das Unternehmen hinzu, dass auch hier im Hintergrund entsprechende Schutzmechanismen zum Einsatz kommen werden, um die Nutzung des Sprachmodus in jeder Hinsicht sicher zu gestalten. Es wird keine sensiblen Daten missbrauchen, nicht bei Missbräuchen helfen und bei Antworten an Minderjährige besonders umsichtig vorgehen.
Das GPT-Live-Modell ist international sowohl für iOS, Android als auch im Web verfügbar. Es kann sogar kostenlos getestet werden; in diesem Fall beantwortet standardmäßig GPT-Live-1 mini die Fragen der Nutzer, während GPT-Live-1 allen Abonnenten zur Verfügung steht, angefangen vom ChatGPT-Go-Paket über Plus bis hin zur Pro-Option. Es ist auch geplant, einen API-Zugang bereitzustellen, doch dies ist derzeit noch nicht umgesetzt; die Entwickler müssen sich noch etwas gedulden.
