OpenAI Merilis Model Suara Baru untuk Percakapan Langsung yang Lebih Alami

Techverse.asia - OpenAI baru saja merilis model percakapan baru, yang disebut GPT-Live-1 dan GPT-Live-1 mini, dengan klaim bahwa model ini terdengar lebih alami dan dapat menangani pergantian giliran bicara dengan lebih baik. Kita mungkin ingat perusahaan ini meluncurkan Advanced Voice Mode pada 2024 lalu.

GPT-Live-1 dan GPT-Live-1 mini tersebut adalah model full-duplex, artinya model ini dapat berbicara dan mendengarkan secara bersamaan, memungkinkan pengguna untuk menyela secara alami dan mengaktifkan fitur-fitur seperti terjemahan langsung.

Perusahaan ini juga mengganti Advanced Voice Mode yang ada di ChatGPT dengan GPT-Live-1 mini secara default. Pengguna dengan paket berbayar akan dapat mengakses model GPT-Live-1 yang lebih besar.

Sementara pada model sebelumnya menggabungkan model pengenalan suara untuk mentranskripsikan ucapan, model bahasa yang besar untuk menghasilkan respons, dan model pengenalan teks untuk menyampaikan jawaban akhir.

Namun sekarang dengan pengaturan ini membuka fitur-fitur baru untuk mode suara ChatGPT, seperti terjemahan waktu nyata. Jadi, kini alih-alih menunggu hingga pengguna berhenti berbicara untuk menerjemahkan ucapannya, ChatGPT dapat menerjemahkan saat mereka berbicara langsung.

Pun sekarang dapat meminta ChatGPT Voice untuk berhenti berbicara sampai dipanggil, yang menurut OpenAI sebelumnya tidak mungkin dilakukan. Ia akan memberi tahu bahwa ia sedang mendengarkan dengan frasa seperti "mhmm" atau "ya" dan "mengerti".

Selama konferensi pers, Pemimpin Riset OpenAI Kundan Kumar menyebutkan bahwa GPT-Live-1 sebagai "model suara terpintar" perusahaan hingga saat ini. Ia akan secara otomatis meneruskan pertanyaan pengguna ke model teks terbaiknya, seperti GPT-5.5, untuk pencarian, penalaran, atau kemampuan agenik sambil melanjutkan percakapan.

"Ketika perlu melakukan penalaran atau pencarian di web, ia dapat lebih cepat beralih dari meneliti topik yang ditanyakan ke membicarakan temuannya. Model yang ditingkatkan ini juga akan melengkapi percakapan tentang cuaca, saham, dan olahraga dengan visual yang dihasilkan AI yang menunjukkan informasi relevan seperti skor olahraga atau ramalan cuaca minggu ini," jelasnya.

OpenAI juga menunjukkan bahwa model tersebut dapat tetap diam untuk waktu yang lama dan menyerap konteks percakapan sampai dipanggil. Selain itu, karena mode suara baru ini memiliki akses ke model GPT yang lebih baru, mode ini juga dapat menyajikan beberapa informasi dalam format visual.

Mode suara baru tersebut di ChatGPT dirancang untuk percakapan yang lebih panjang. Selama pengarahan, Pemimpin Produk ChatGPT Voice Atty Eleti mengatakan bahwa ia telah melakukan percakapan selama 30 hingga 40 menit dengan fitur suara selama berjalan-jalan.

"Seiring waktu, kami pikir ini juga akan membuka kemampuan untuk menggunakan suara sebagai semacam antarmuka utama untuk komputasi, dan untuk mengelola pekerjaan agenik yang semakin kompleks dan berjalan lama," ujar Eleti.

Jenis kasus penggunaan luar biasa yang dia lihat orang-orang gunakan Codex dan ChatGPT untuk mencapainya, OpenAI berpikir suara dapat menjadi antarmuka masa depan untuk semua jenis pekerjaan.

OpenAI turut mencatat bahwa mereka telah menambahkan pengamanan bawaan yang mengarahkan model menjauh dari respons yang berbahaya atau mengakhiri obrolan sepenuhnya dalam situasi "berisiko tinggi".

Model ini dilatih untuk menawarkan "dukungan saluran bantuan krisis yang diverifikasi oleh para ahli" dalam percakapan tentang perilaku melukai diri sendiri, dan juga dirancang untuk memberikan respons yang "sesuai usia" untuk remaja.

GPT-Live-1 telah resmi diluncurkan di platform iOS, Android, dan web. Ini akan mendukung ChatGPT Voice untuk pelanggan Go, Plus, dan Pro, sementara model GPT-Live-1 mini yang lebih kecil dan efisien akan menjadi default untuk pengguna gratis.