OpenAI, yapay zeka asistanı ChatGPT için geliştirdiği yeni GPT-Live ses modelini kullanıcılarına sundu. Yeni mimari sayesinde artık çok daha akıcı, insan konuşmasına benzer ve kesintiye uğramayan sesli sohbetler gerçekleştirmek mümkün hale geldi.

Çift Yönlü İletişim ve Gelişmiş Mimari

Engadget tarafından aktarılan bilgilere göre ChatGPT, eski sistemlerdeki konuşmayı metne çevirme ve ardından yanıt üretme sürecini terk etti. Full-duplex adı verilen yeni mimari, yapay zekanın aynı anda hem dinlemesini hem de konuşmasını sağlıyor. Bu sayede sistem, kullanıcının kısa duraklamalarını konuşmanın bitişi olarak algılayıp sözünü kesmiyor ve sohbet sırasında 'evet' veya 'hı-hı' gibi doğal onaylama sesleri çıkarabiliyor.

Kullanım Seçenekleri ve Model Farklılıkları

Yeni ses modu Android, iOS ve web tarayıcıları üzerinden erişilebilir durumda. Ücretli plan kullanıcıları (Pro, Plus ve Go) GPT-Live-1 modelini kullanabilirken, ücretsiz plan kullanıcılarına GPT-Live-1 mini modeli sunuluyor. Ayrıca ücretli kullanıcılara, ses modelinin zekasını 'Anlık', 'Orta' ve 'Yüksek' şeklinde özelleştirme imkanı tanınıyor. Sistem, arka planda karmaşık akıl yürütme gerektiren işlemler için GPT-5.5 gibi daha yetenekli modellere görev aktarabilme özelliğine sahip.

Erişim ve Mevcut Sınırlamalar

Kullanıcılar, metin kutusunun sağındaki dalga formlu simgeye tıklayarak yeni modu başlatabiliyor. Sesli iletişim, cihaz kilitlendiğinde veya başka bir uygulamaya geçildiğinde dahi aktif kalmaya devam ediyor. Ancak mevcut sürümde henüz ekran veya video paylaşımı desteği bulunmuyor. İsteyen kullanıcılar, ayarlar kısmından eski ses modellerine geri dönebiliyor veya farklı ses tonları ve diller seçebiliyor.

Ne anlama geliyor?

Sesle etkileşim teknolojileri, geleneksel olarak kullanıcının konuşmasının bitmesini bekleyen ve ardından yanıt üreten sıralı bir mantıkla çalışır. Bu durum, gerçek insan konuşmalarındaki akışkanlığı engeller ve yapay bir iletişim hissi yaratır. Yeni nesil mimari ise aynı anda veri alışverişine izin vererek, karşılıklı konuşmanın doğal ritmini taklit eder.

Bu teknoloji, özellikle anlık çeviri gibi hız gerektiren işlemlerde hata payını düşürür ve bekleme sürelerini ortadan kaldırır. Kullanıcılar için bu durum, bir cihazla değil, gerçek bir muhatapla konuşuyormuş gibi hissettiren bir deneyim anlamına gelir. Kelimelerin anlık olarak işlenmesi, sistemin konuşmacının niyetini daha iyi anlamasına ve daha hızlı tepki vermesine olanak tanır.