OpenAI'nin yeni sesli modeli çift yönlü konuşmayı ve telefon hatlarını destekliyor

OpenAI, sesli uygulamalar için geliştirdiği GPT-Live-1 modelini API üzerinden kullanıma açtı. Şirket modelin çift yönlü (full-duplex) konuşmayı desteklediğini belirtiyor; yani konuşmanın iki tarafı da aynı anda ses üretebiliyor.

Çift yönlülük, sesli asistanlarda uzun süredir eksik olan bir davranışı mümkün kılıyor: kullanıcının sözü kesebilmesi ve sistemin buna anında uyum sağlaması. Sıra tabanlı modellerde konuşma, karşılıklı bekleyen iki monolog gibi ilerliyordu.

Duyuruda ayrıca yönerge takibinin güçlendiği, özel ses tanımlanabildiği ve telefon altyapısıyla entegrasyonun desteklendiği belirtiliyor. Telefon desteği, çağrı merkezi gibi kullanım senaryolarını doğrudan ilgilendiriyor.

Sesli asistanlarda uzun süredir çözülemeyen sorun, konuşmanın sırayla ilerlemesiydi. Kullanıcı konuşuyor, sistem bekliyor, sonra yanıt veriyordu. Bu yapı sesli menülerde işe yarıyor ama gerçek bir konuşmaya benzemiyor — çünkü insanlar birbirinin sözünü kesiyor, araya giriyor ve karşısındakinin tepkisine göre cümlesini değiştiriyor.

Telefon altyapısıyla entegrasyon ise farklı bir kullanıcı kitlesini işaret ediyor. Çağrı merkezleri, randevu sistemleri ve müşteri hizmetleri, sesli modellerin en somut ticari uygulama alanı. Bu alanda belirleyici olan ölçüt genellikle modelin ne kadar doğal konuştuğu değil, gürültülü hatlarda ne kadar doğru anladığı ve karşı taraf sustuğunda ne kadar hızlı yanıt verdiği oluyor.