ChatGPTの新しい音声モデルは、人間との会話に似ていますが、リスクがあります

ジャカルタ - OpenAIは、ChatGPTの2つの新しい音声モデル、すなわちGPT-Live-1とミニバージョンを発売し始めました。この更新により、ChatGPTは直接翻訳を含む、同時に聞くことができるようになります。

CNETは7月9日木曜日に、2つの新しいモデルが無料ユーザーと有料ユーザーの両方を含むすべてのChatGPTユーザーが利用できることを報じた。アクセスはモバイルアプリとウェブサイトを通じて提供されます。

OpenAIは、音声技術のChatGPTを更新し、テキストベースのAI機能に近づけました。ユーザーは、必要な回答の深さに応じて、3つのレベルの知能を選択することもできます。

音声製品のリーダーであるAtty Eletiは、最大の変化はより人間らしく聞こえ、会話のように感じられる声にあると述べた。

このアップデートの背後にある重要な技術の1つは、継続的な相互作用と呼ばれます。このシステムにより、AIは情報を受け取り、同時に回答を生成できます。

音声モードでは、ChatGPTは「聞く」と「話す」を同時にできます。これは、ユーザーが話した後のみ応答する以前の音声モードとは異なります。

この機能は、直接翻訳にとって重要です。ユーザーは英語で話すことができ、ChatGPTは短い間隔でスペイン語、ヒンディー語、または他の言語に彼の言葉を翻訳します。

この新しいアーキテクチャは、OpenAIのフロンティアモデルにタスクを分割することもできます。フロンティアモデルは、より複雑なタスクを処理するために使用される最新のAIモデルを指します。

GPT-Liveモデルの研究リーダーであるクンダン・クマール氏は、GPT-LiveはGPT-5.5に複雑な推論を委ねながら、ユーザーと対話し続けることができると述べた。

「GPT-Liveが質問に頭を悩ませなければならないとき、このモデルは推論と複雑なタスクをGPT-5.5に委任できます。GPT-5.5は、さまざまなことを並列に実行でき、GPT-Liveはユーザーと対話し続けることができます」とKumar氏は述べています。

プロセスが完了すると、回答は会話応答に再組み立てられます。

「これはまさに人間が互いにやり取りする方法に似ています」とエレティは言います。「私たちは、画面の後ろで考えている間に、会話を引き続きします。」

この新しい音声モデルは、特定の状況で視覚的な回答を表示することもできます。エレティ氏によると、時には最良の答えは口頭ではなく、表示される。たとえば、天気予報、スポーツスコア、グラフなどです。

OpenAIは、発売は段階的に行われると述べた。ユーザーがこの機能が表示されていない場合は、アクセスは1〜2日で表示される可能性があります。この更新は、木曜日に予定されているGPT-5.6シリーズのリリースとは別です。

言葉遣いにも変化があります。AIのボイスは、話すときに考えている人のように、「um」、「er」、「like」などのフィラーワードを使用できるようになりました。

ユーザーはまた、AI応答をより短い間隔で中断することができます。チャットGPTは、呼び出しまたはアクティベーションワードとして名前で呼び出されたときにのみ、静止して聞くことができ、応答することができます。

SiriやAlexaとは異なり、ChatGPTはユーザーが手動でそれを無効にするまでアクティブにリスニングし続けます。

OpenAIは、音声モードを使用しているユーザーは自動的にAIトレーニングに参加しないと述べています。オーディオクリップは30日間保存され、システムが以前の会話のコンテキストを持ち、削除できるようになります。

しかし、より人間味のあるAIの声もリスクをもたらします。CNETは、AIの人間化の悪影響、特に精神的健康問題を抱えている人々に対する悪影響に関する多くのケースと訴訟があることを指摘しています。

OpenAIは、この新しいモデルには拡張された保護機能があると述べています。同社はまた、このモデルが、自己傷害、精神病、暴力、性的コンテンツを含む主要なセキュリティ分野で、以前のモデルよりも優れたパフォーマンスを発揮すると述べています。