OpenAI stellt neue GPT-Live Sprachmodelle vor: Gespräche jetzt noch natürlicher

OpenAI, ein weltweit führendes Unternehmen im Bereich KI, hat die Modelle GPT-Live-1 und GPT-Live-1 mini angekündigt, die die Echtzeit-Interaktion mit Nutzern auf eine neue Stufe heben. Diese Technologie macht das Gespräch mit ChatGPT so natürlich wie eine Unterhaltung zwischen Menschen. Die neuen Modelle antworten nicht nur schneller, sondern können das Gesprochene auch direkt verstehen und sich an den Gesprächspartner anpassen. Dies berichtet Techcrunch.com berichtet.

Das wichtigste Merkmal der neuen Modellgeneration ist ihr Betrieb im "Full-Duplex"-System. Das bedeutet, dass ChatGPT nun gleichzeitig zuhören und sprechen kann. Während bei früheren Versionen gewartet werden musste, bis der Nutzer zu Ende gesprochen hatte, ermöglichen die GPT-Live-Modelle nun natürliche Unterbrechungen oder die Nutzung von Live-Übersetzungsfunktionen. Laut Ixbt.com stellt das Unternehmen die Funktion Advanced Voice Mode in der ChatGPT-App vollständig auf das Modell GPT-Live-1 mini um.

Technologische Revolution und intellektuelles Potenzial

Früher war die Sprachinteraktion ein komplexer dreistufiger Prozess: Sprache wurde in Text umgewandelt, ein Textmodell bereitete eine Antwort vor und diese wurde dann wieder in Sprache umgewandelt. Die neuen Modelle verkürzen diese Kette und verarbeiten Informationen direkt. Dies beseitigt Probleme wie unangemessene Pausen des Systems während des Sprechens oder unzureichend intelligente Antworten. Zudem kann sich der neue Sprachmodus mit neuesten Textmodellen wie GPT-5.5 verbinden, um komplexe logische Aufgaben zu lösen.

Laut Vertretern von OpenAI besitzen GPT-Live-Modelle die Fähigkeit, längere Zeit zu schweigen, den Kontext des Gesprächs zu erfassen und nur bei Bedarf einzugreifen. Darüber hinaus kann das neue System auch visuelle Informationen bereitstellen. Dies ermöglicht es, mit ChatGPT nicht nur zu sprechen, sondern auch mit interaktiven visuellen Materialien zu arbeiten. Dieser Ansatz wird auch von Startups wie Monogram aktiv genutzt.

Sprachschnittstelle — die Grundlage der Zukunft

Atti Eleti, Leiter des ChatGPT Voice-Projekts, betonte, dass die Sprachinteraktion in Zukunft zur primären Art der Computerbedienung werden könnte. Er berichtete von seinen Erfahrungen, bei denen er mit dieser Funktion bis zu 40 Minuten lange, sinnvolle Gespräche führte. Das Unternehmen sieht den Sprachassistenten nicht nur als Suchwerkzeug, sondern als primäre Schnittstelle zur Steuerung komplexer Aufgaben.

Derzeit nutzen über 150 Millionen Menschen die Sprach- und Diktierfunktionen von ChatGPT. Im Wettbewerbsumfeld arbeiten auch Apple und Amazon daran, ihre virtuellen Assistenten natürlicher zu gestalten. OpenAI arbeitet Berichten zufolge nicht nur an Software, sondern auch an zukünftiger Hardware wie speziellen AI-Kopfhörern, wobei bei der offiziellen Vorstellung keine Informationen zu Hardware bekannt gegeben wurden.