Az OpenAI az új, full-duplex GPT-Live modellre építve kiterjesztette az új ChatGPT Voice élményt a macOS és Windows asztali alkalmazásaira.
A hónap elején az OpenAI bemutatta a GPT-Live-ot, a hangmodellek új generációját, amelyet a természetesebb beszélgetésekre, a kevesebb megszakításra és a pontosabb utasításkövetésre terveztek. Az OpenAI korábbi hangmodelljeivel ellentétben a GPT-Live full-duplex architektúrát használ, amely lehetővé teszi, hogy a ChatGPT egy időben beszéljen, halljon és figyeljen.
A mai napon az OpenAI bejelentette, hogy a GPT-Live által hajtott új ChatGPT Voice élmény már elérhető a ChatGPT asztali alkalmazásban, támogatva a produktivitási és kódolási munkafolyamatokat. Egészen idáig az AI-asszisztensek hangmódjai főként az általános beszélgetésekre korlátozódtak, ahelyett, hogy tényleges munkát végeztek volna el.
Az új ChatGPT Voice élménnyel a felhasználók hangutasításokkal léphetnek interakcióba a Chat, Work és Codex funkciókkal. Új feladatokat indíthatnak el, ellenőrizhetik a folyamatban lévő munkák állapotát, és irányíthatják a más beszélgetési szálakban futó ágenseket. A felhasználók például megkérhetik a ChatGPT-t, hogy nézzen át egy pull requestet, magyarázzon el egy kódbázist, hozzon létre egy dokumentumot, vagy koordináljon több folyamatban lévő Codex-feladatot.
Mivel a Work és a Codex hozzáfér a csatlakoztatott eszközökhöz és fájlokhoz, a Voice segíthet a beállított jogosultságoktól függően olyan szolgáltatásokat érintő feladatok elvégzésében is, mint a Slack, a GitHub vagy a Notion. macOS rendszereken a felhasználók engedélyezhetik a képernyőkontextust (Screen context) is, és mondhatnak valami olyasmit, hogy „Nézz rá erre”. A ChatGPT ekkor kap egy pillanatképet a legfelső ablakról, ami további kontextust biztosít számára a képernyőn látható alkalmazásról vagy tartalomról.
A színfalak mögött, amikor a felhasználók ezt az új Voice élményt használják, valójában a GPT-Live-val beszélgetnek – egy élvonalbeli audiomodellel, amely átadja a feladatokat a Codex-szálaknak, támogatva az olyan eszközöket, mint az alkalmazás-pillanatképek (appshots), a CUA és mások.
„Az asztali ChatGPT Voice a legjobb tervezési mód (plan mode), amit valaha használtam. Egy homályos ötlettel indítok, ő tűéles kérdéseket tesz fel, amik segítenek rájönni, mit is akarok valójában, megrajzolja az architektúrát beszélgetés közben, majd elindít egy Codex-feladatot a megépítésére.” — Guinness Chen (@guinnesschen), 2026. július 23.
A ChatGPT Voice globálisan gördül ki a macOS és Windows asztali alkalmazásokban. A Plus, Pro, Business, Edu és Enterprise előfizetők számára érhető el. A felhasználók távolról, az iOS-en futó ChatGPT alkalmazáson keresztül is hozzáférhetnek ehhez az élményhez. – írja a Neowin.
Kép forrása: The Technology Express
Leave feedback about this