ChatGPTの改良された音声モードを試してみたところ、これまでよりも自然になりました

現在すべてのユーザーに向けて ChatGPT にプッシュされている最新のアップグレードは GPT‑Live です。 OpenAI は、これを AI チャットボットと対話するための「新世代」の音声モデルと説明しています。これにより、入力よりもチャットに多くの時間を費やすことになるかもしれません。

ChatGPT の音声モードは新しいものではありませんが、以前は標準のテキスト入出力の上にある比較的基本的なラッパーでした。 AI と連携するためのより自然な方法として宣伝されていますが、GPT-Live はこの流動性をさらに高いレベルに引き上げることを約束します。

音声モードで初めて、会話を続けながらバックグラウンドで考えることができるようになります。また、必要なときに一時停止するための余分なスペースを与え、「うーん」や「ええ」などのフレーズでまだ聞いていることを示します。

今すぐ (またはすぐに) モバイルと Web でアップグレードが見つかるはずです。無料ユーザーは GPT‑Live‑1 mini にアクセスでき、有料プランのユーザーはさらにスマートな GPT‑Live‑1 モデルにアクセスできます。

GPT-Live の仕組み

OpenAI の最終目標は、ChatGPT との会話を実際の人間と話しているように感じさせることであり、GPT-Live はそれに近づきます。当初、音声を介して AI と対話するには、音声テキスト変換用の特定のモデル、クエリに実際に応答するためのモデル、およびテキスト読み上げ用の特定のモデルが必要でした。

ChatGPT の以前の音声モードは、これらすべてを 1 つの AI モデルに結合していましたが、依然としてターンベースでした。つまり、あなたが話し、チャットボットが応答し、その後再び話すというものでした。 GPT-Live を使用すると、ChatGPT は同時に話したり聞いたりすることができます。必要に応じて中断することができ、応答はより速く、より微妙なものになるはずです。

新しい音声モードは、考えの途中で一時停止することと実際にクエリを終了することの違いを認識する点で、より賢明であると考えられています。モデルは現在、「話すか、聞き続けるか、一時停止するか、中断するか、ツールを呼び出すか」を 1 秒間に数回再計算します。

クレジット: OpenAI

アップグレードの追加の利点は、会話を続けながら、複雑な作業や深い思考であっても、バックグラウンドで ChatGPT のサーバーに戻すことができることです。また、ChatGPT に拍子を取るか速度を下げるように指示することもできます。視覚的な応答も改善されているため、たとえば、場所、天気予報、スポーツのスコアなどのポップアップ カードが表示される場合があります。

また、話しながら GPT-Live に外国語に翻訳してもらうこともできます。新機能のおかげで、会話中に一時停止したり中断したりすることなく、別の言語での翻訳が聞こえます。背景ノイズ (背景の交通や近くで行われている会話など) を無視するという点でも改善が加えられました。

GPT-Live をテストする

モバイル アプリで音声モードに入るには、プロンプト ボックスの右側にあるサウンドウェーブ スタイルのアイコンをタップします。新しいモードは表面的には古いモードによく似ていますが、今回のアップデートにより、画面の上部に[ライブ]が表示されるはずです (少なくとも当面は、これをタップして古いモデルに戻すことができます)。

すぐに、アップグレードされた音声モードがよりリアルで自然に感じられます。 ChatGPT は多様で表現力豊かな方法で話し、何かを調べているときに「確認させてください」のような便利なマーカーを投げます。時にはためらって言葉を引き出してしまうこともあるでしょう。

私は GPT-Live と数分間、今後公開予定の映画、最近のサッカーの試合、テクノロジー ニュースの見出しについてチャットしました。その結果、理にかなった、丁寧に簡潔な回答が返ってきました (応答ごとに文字の壁を見たくない人にとって、音声モードは引き続き避難場所です)。

3 つの「知能」レベルから選択できます。
クレジット: OpenAI

音声に不具合が生じて会話が中断する瞬間が数回ありましたが、それは 30 分ほどのチャットで終わりました (おそらく、これらのバグは時間の経過とともに解決されるでしょう)。中断も適切に処理され、AI はユーザーの発言を認識するために一時停止し、その後思考の流れを継続します。

ChatGPT が新しい音声モードに導入する思考のレベルを微調整できます。スライダー アイコン (右上) をタップし、次に をタップします。 知能。 3 つのモードから選択できます。インスタント、 中くらい、 そして 高い—応答の速度と応答の詳細さおよび正確さの間のさまざまなレベルのトレードオフがあります。