OpenAI zamjenjuje dosadašnji glasovni režim modelima GPT-Live-1 i GPT-Live-1 mini, koji slušaju i govore u isto vrijeme, bez čekanja na red.

OpenAI je 8. jula predstavio GPT-Live-1 i GPT-Live-1 mini, nove modele koji iz temelja mijenjaju glasovni režim ChatGPT-a. Umjesto da čeka da završiš rečenicu pa tek onda odgovori, novi glasovni režim ChatGPT-a sluša i govori istovremeno, kao sagovornik na telefonu. Više od 150 miliona ljudi već razgovara sa ChatGPT-om, a ova promjena najviše znači onima koji glas planiraju koristiti za posao, od podrške kupcima do prevođenja uživo.

• GPT-Live-1 mini postaje podrazumijevani glasovni režim za sve korisnike ChatGPT-a, a jači GPT-Live-1 dobijaju korisnici plaćenih paketa.
• Modeli su full-duplex (govore i slušaju u isto vrijeme), pa ih možeš prirodno prekinuti usred rečenice.
• Podržani su prevođenje uživo, razgovori od 30 i više minuta i tiho praćenje konteksta dok AI ne bude pozvan.
• Za složenija pitanja glasovni model u pozadini poziva GPT-5.5, za pretragu, rezonovanje i agentske zadatke.
• OpenAI glas vidi kao budući primarni interfejs za rad sa računarima.

Šta se tačno desilo

Dosadašnji glasovni režim ChatGPT-a bio je sklopljen od tri odvojena modela. Jedan je pretvarao govor u tekst, drugi (jezički model) smišljao odgovor, a treći čitao odgovor naglas. Zato je razgovor imao pauze, a asistent je znao upasti u riječ usred rečenice.

GPT-Live-1 je jedan model koji radi oba smjera odjednom. OpenAI kaže da novi režim zvuči prirodnije, bolje procjenjuje kad je red na njega i može ćutati duže vrijeme dok prati kontekst razgovora, pa se uključi tek kad ga pozoveš. Atty Eleti, koji vodi ChatGPT Voice, kaže da sa novim režimom vodi razgovore od 30 do 40 minuta tokom šetnje.

Novi režim uz govor može prikazati i vizuelni sadržaj, recimo tabelu ili listu na ekranu dok priča. OpenAI naglašava da cilj nije AI društvo za usamljene, nego alat, pa su ugrađene zaštite za tinejdžere i osjetljive teme.

Kontekst i konkurencija

Glasovna trka se zahuktava na svim stranama. Apple je u iOS 27 beti omogućio podešavanje tempa i izražajnosti Siri asistenta, Amazon je novu Alexu otvorio svim korisnicima u SAD, a startup Sesame, koji je osnovao suosnivač Oculusa Brendan Iribe, gradi asistente koji zvuče kao ljudi dok u pozadini završavaju zadatke.

OpenAI ide korak dalje i glas vidi kao primarni interfejs za složen posao, a ne samo za ćaskanje. Mediji već mjesecima pišu da kompanija ove godine planira i prve slušalice sa AI funkcijama, mada o hardveru na predstavljanju nije bilo riječi.

Ima i ograda. Na demonstraciji prevođenja uživo na hindi jeziku asistent je govorio sa teškim američkim akcentom i knjiškim tonom. OpenAI kaže da je novi režim optimizovan za najgovorenije svjetske jezike, ali listu nije objavio, pa je kvalitet za manje jezike, uključujući naš, otvoreno pitanje.

Naša perspektiva, šta ovo znači za region

Za firme koje žive od telefona, ovo je tehnologija koju treba pratiti izbliza. Full-duplex glas je osnova za telefonske AI agente koji ne zvuče kao robot iz 2010. Kad ovakvi modeli stignu u API i solidno savladaju naš jezik, prvi nivo poziva (radno vrijeme, zakazivanje termina, status narudžbe) moći će da odradi AI. Primjer: turistička agencija u Banjoj Luci koja u sezoni propusti 30 poziva dnevno jer su obje kolegice na vezi, taj problem rješava glasovnim agentom, a ljudi preuzimaju samo složene zahtjeve.

Za zaposlene i preduzetnike, najkonkretnija upotreba već danas je glasovni brainstorming na engleskom. Pola sata razgovora u šetnji je sasvim dovoljno da pripremiš sastanak, provježbaš prezentaciju ili prodajni razgovor. To ne zahtijeva ni API ni integracije, samo naviku.

Jedna ograda za kraj. Srpski nije među jezicima koje OpenAI javno navodi, a demo na hindiju pokazuje da kvalitet za manje jezike ume da štuca. Prije nego glasovni režim staviš pred kupce, testiraj ga temeljno na našem jeziku.

Šta dalje

GPT-Live-1 mini stiže svim korisnicima kao podrazumijevani režim, pa ćeš promjenu čuti čim otvoriš aplikaciju. Realno je očekivati da regionalni jezici za engleskim kaskaju 6 do 12 mjeseci, a prava prekretnica biće dostupnost ovih modela kroz API za telefonske sisteme. Ako OpenAI ove godine zaista izbaci i slušalice, glas prestaje biti sporedna funkcija i postaje glavni kanal.

Ako želiš da svake sedmice dobiješ ovakve vijesti prevedene na "šta to znači za tvoj posao", prijavi se na AI Balkan newsletter. Klikni na dugme ispod i vijesti ti stižu direktno u inbox.