OpenAI GPT-Live Duyuruldu: Gerçek Bir Konuşma Deneyimi Sunan Tam Çift Yönlü Ses Modeli
Bu bölümdeki özetler otomatik bir derleme sürecinden geçer; kaynaklar her yazının sonunda listelenir. Yazılar 7 gün sonra arşivden kaldırılır.
OpenAI, bugün GPT‑Live adında yeni nesil bir ses modeli tanıttı. Bu model, yapay zeka ile konuşmayı gerçek bir insanla sohbet eder gibi hissettirmeyi amaçlıyor.
GPT‑Live, tam çift yönlü (full-duplex) mimari üzerine inşa edilmiş durumda. Bu sayede model aynı anda hem dinleyebiliyor hem de konuşabiliyor. Konuşmalar sırasında GPT‑Live, “hımm” veya “evet” gibi ifadelerle dikkat gösteriyor, hızlı karşılıklı konuşmalar yapabiliyor veya düşünmeniz için saniyelerce sessiz kalabiliyor.
GPT‑Live, şu ana kadar OpenAI’nin en akıllı ses modeli olarak tanımlanıyor. Web araması, daha derin muhakeme veya daha karmaşık görevler gerektiren sorular için, model arka planda OpenAI’nin en son sınır modeline görev devredebiliyor ve sonucu hazır olduğunda konuşmaya geri dönebiliyor. Çalışırken bile GPT‑Live, sizinle konuşmayı sürdürebiliyor ve akışı koruyabiliyor.
Yayınlanma aşamasında GPT‑Live, arka planda GPT-5.5’i kullanıyor. OpenAI, yeni sınır modelleri yayınlandıkça kullanılan modeli sürekli güncelleyeceğini belirtiyor.
Bu gelişmeler, daha akıllı ve doğal kullanılan yeni bir ChatGPT Ses deneyimini destekliyor. Zamanla, bu araştırmanın sesi giderek daha karmaşık, daha uzun süreli ve daha ajanlık odaklı işler için kullanılmasını sağlayacağını umuyorlar.
OpenAI, GPT‑Live-1 ve GPT‑Live-1 mini olmak üzere iki versiyonunu bugün dünya genelindeki ChatGPT kullanıcılarına sunmaya başladı. Ayrıca bu modelleri yakında API’ye de getirmeyi planlıyorlar. Geliştiriciler ve işletmeler, bildirim formunu doldurarak haberdar olabiliyor.
Eski nesil ses AI sistemleri bu vizyona yaklaştırmıştı ama önemli kısıtlamaları da vardı. Kademeli ses sistemleri, her turu işlemek için birbirinin ardından çalışan bir dizi modele dayanıyordu. Orijinal ChatGPT Voice, konuşmayı metne dönüştüren bir model, bir yanıt üreten büyük dil modeli ve geriye sese dönüştüren bir metinden sese modeli olmak üzere üç modeli birbirine bağlıyordu. Bu yaklaşım, sınırlı AI modelleriyle konuşmayı mümkün kılsa da, karmaşıklığı bedel gerektiriyordu: modeller arasında bilgi kaybı yaşanabiliyor ve yanıtlar yavaştı ve sönüktü.
Dönmeli ses modelleri ise ChatGPT Advanced Voice Mode gibi modeller, sesi tek bir model içinde işleyip üretti, bu da gecikmeyi azalttı ve konuşmaları daha akıcı hale getirdi. Ancak yine de ayrı turlar üzerinden çalışıyorlardı. Model, yanıt vermeden önce kullanıcının konuşmayı bitirmesini beklemek zorundaydı, bu da katı bir karşılıklı konuşmaya yol açıyordu.
GPT‑Live bu sınırlamaları iki mimari değişiklikle ele alıyor:
İlk olarak, GPT‑Live’ı tam çift yönlü bir mimariyle sürekli etkileşim için inşa ettiler. Ayrı mesajlar dizisini işlemek yerine, GPT‑Live çıktı üretirken sürekli girdiyi de işliyor. Bu sayede model her saniye birçok kez etkileşim kararları verebiliyor: konuşmak, dinlemeye devam etmek, duraklamak, kesmek veya bir araç çağırmak.
İkinci olarak, GPT‑Live’ı (sürekli etkileşimi yöneten) daha derden işten ayırdılar. Bir soru arama, muhakeme veya daha ajanlık odaklı yetenekler gerektirdiğinde, GPT‑Live görevi GPT-5.5 gibi başka bir modele devredebiliyor. Bu sayede birden fazla görevi arka planda yönetirken konuşmayı sürdürebiliyor.
İnsan değerlendirmeleri, GPT‑Live‑1 ve GPT‑Live‑1 mini’nin Advanced Voice Mode’a göre önemli ölçüde tercih edildiğini gösteriyor. Özellikle GPQA (biyoloji, kimya ve fizik alanında uzman düzeyinde bilimsel muhakeme), BrowseComp (ajanlık web araması ve bulunması zor bilgiyi bulma yeteneği) ve τ³-Voice Telecom (çok dönüşlü gerçekçi telekomünikasyon destek görevlerinde ses ajanları) gibi değerlendirmelerde GPT‑Live‑1 ciddi kazanımlar sağlıyor.
GPT‑Live-1 (instant) ve GPT‑Live-1 mini, arka planda GPT-5.5 Instant modelini kullanırken, GPT‑Live-1 Medium ve GPT‑Live-1 High, orta ve yüksek muhakeme çabası ile GPT-5.5 Thinking modelini kullanıyor.
Her hafta, 150 milyondan fazla insan ChatGPT ile Ses ve Dikte özellikleri gibi özellikleri kullanarak konuşuyor. Eller olmadan günlük yardım almak, dil pratiği yapmak, uyku hikayeleri anlatmak veya sadece işe giderken sohbet etmek için kullanıyorlar.
Bugünden itibaren, Ses düğmesine dokunarak ChatGPT ile konuştuğunuzda, GPT‑Live tarafından desteklenen geliştirilmiş bir deneyim elde edeceksiniz - daha doğal konuşmalar, daha akıllı yanıtlar, daha iyi dinleme ve görsel yanıtlar.
ChatGPT ile konuşmanın artık gerçek bir konuşma gibi hissettireceğini umuyorlar. Bir soru sorarak araya girebilir, düşüncelerinizi toplamak için duraklayabilir veya ChatGPT’den yavaşlamasını isteyebilirsiniz. Doğal olarak söylediklerinizi “hımm” veya “tamam” gibi ifadelerle kabul ederek sizi takip ettiğini biliyorsunuz.
ChatGPT Voice artık en son sınır modellerden yararlanabiliyor, böylece ihtiyacınız olduğunda daha akıllı yanıtlar alıyorsunuz. Ayrıca ihtiyaçlarınıza uygun muhakeme seviyesini de seçebilirsiniz: Hızlı yanıtlar için Instant, veya ChatGPT’nin daha fazla zaman düşünmesini istediğinizde Medium ve High.
GPT‑Live, varsayılan olarak güvenli olacak şekilde tasarlandı. En son modellerin güvenlik gelişmelerini temel alırken, ses için özel güvenlik eğitimi ve yeni güvenlik önlemleri ekledi.
Sesli konuşmalar gerçek zamanlıda ortaya çıktığı için, model konuşurken harekete geçebilen güvenlik önlemleri de inşa ettiler. Sistem potansiyel olarak güvenli olmayan bir çıktı tespit ettiğinde, modeli daha güvenli bir yanıta yönlendirebiliyor, ek güvenlik mesajları veya kaynakları sunabiliyor veya daha yüksek riskli durumlarda sesli konuşmayı sonlandırabiliyor.
GPT‑Live, ChatGPT kullanıcılarına dünya genelinde iOS, Android ve ChatGPT.com üzerinden sunulmaya başlanıyor. GPT‑Live‑1, Go, Plus ve Pro kullanıcıları için ChatGPT Voice’u destekleyen varsayılan model haline geliyor, GPT‑Live‑1 mini ise Ücretsiz kullanıcılar için varsayılan hale geliyor.