OpenAI uppgraderar ChatGPTs röstläge – pratar mindre i mun på dig
OpenAI lanserar GPT-Live-1, en ny röstmodell för ChatGPT som är tränad på att inte avbryta dig mitt i en mening och att vänta ut naturliga pauser i samtalet. Modellen kopplar automatiskt till starkare textmodeller som GPT-5.5 när den behöver resonera eller söka på nätet – ungefär som att ha en assistent som vet när den ska slå upp något innan den svarar. Det låter enkelt, men att få AI-röstgränssnitt att kännas som ett riktigt samtal har visat sig vara svårare än det verkar.
Djupdykning
OpenAI:s nya röstmodell GPT-Live-1 löser något som faktiskt förstört upplevelsen för de flesta som testat ChatGPT-voice: AI:n avbröt konstant och tolkade en paus som att du var klar. Det låter som en liten fix, men turtagning – alltså hur vi signalerar i ett samtal vems tur det är att prata – är en av de svåraste sakerna att efterlikna i mänsklig kommunikation, och de flesta AI-röstassistenter har hanterat det ungefär lika elegant som ett robotsamtal från Skatteverket. Det verkligt intressanta med GPT-Live-1 är arkitekturen bakom: modellen kan dynamiskt skicka vidare frågor till textmodeller som GPT-5.5 när den behöver resonera eller söka på webben, och sedan återvända till röstläge – det är som att ha en kollega som kan pausa samtalet, googla något, och sedan fortsätta konversationen utan att det känns hackigt. De flesta fokuserar på att AI-röst låter mer naturlig, men det verkliga skiftet är att den börjar hantera *när* den pratar, inte bara *hur*.