OpenAI livre sa voix aux développeurs, elle écoute pendant qu'elle parle
OpenAI met GPT-Live-1 à disposition dans son interface de programmation. Le modèle écoute et parle en même temps, là où un agent vocal enchaîne d'ordinaire trois maillons — reconnaissance de la parole, modèle de raisonnement, synthèse vocale — dont chaque passage ajoute du délai et une occasion de perdre le fil. Le raisonnement lui-même est délégué à un modèle texte placé derrière, celui de l'entreprise ou un modèle tiers. Les appels téléphoniques sont pris en charge.
Sur des mesures qu'OpenAI publie elle-même, l'application d'apprentissage des langues Speak relève une baisse de près de 80 % des interruptions par rapport aux systèmes qui attendent la fin d'un tour de parole.
Genspark, qui vend un assistant construit sur ces modèles, dit l'avoir passé sur 80 appels réels de réservation au restaurant : le taux de tâches menées à bien y double par rapport à la génération précédente, avec 92 % de compréhension parfaite. La mesure est la sienne, sur son propre produit.