OpenAI verbessert die Sprachfunktionen von ChatGPT

(Source: zVg)

(Source: zVg)

OpenAI rollt GPT-Live weltweit schrittweise aus. Die neuen Modelle sollen den Sprachmodus von ChatGPT künftig flüssiger und natürlicher machen, wie OpenAI mitteilt. 

Grundlage dafür bildet eine sogenannte Full-Duplex-Architektur. Anders als bisherige Sprachsysteme kann GPT-Live gleichzeitig zuhören und sprechen. Statt Sprache nacheinander zu transkribieren, von einem Sprachmodell verarbeiten zu lassen und anschliessend wieder in Sprache umzuwandeln, verarbeitet das System Audiodaten fortlaufend. Dadurch entscheidet es mehrmals pro Sekunde, ob es weiter zuhört, antwortet, eine Pause einlegt, eine laufende Antwort unterbricht oder ein Werkzeug aufruft. Nach Angaben von OpenAI sinkt dadurch die Verzögerung spürbar. Zudem soll die Architektur neue Einsatzmöglichkeiten wie Echtzeitübersetzungen ermöglichen.

Für anspruchsvollere Anfragen übergibt GPT-Live einzelne Aufgaben an ein separates Reasoning-Modell. Benötigt eine Unterhaltung etwa eine Websuche, komplexere Schlussfolgerungen oder agentische Funktionen, verarbeitet dieses die Anfrage im Hintergrund, während das Gespräch weiterläuft. Anschliessend fliessen die Ergebnisse wieder in die laufende Unterhaltung ein.

OpenAI führt zwei Varianten ein: GPT-Live-1 und GPT-Live-1 mini. GPT-Live-1 wird zum Standardmodell für den Sprachmodus von ChatGPT bei den Abonnements Go, Plus und Pro. Nutzerinnen und Nutzer der kostenlosen Version erhalten GPT-Live-1 mini. Die Modelle sollen später auch über die API verfügbar werden.

Sprachmodus erhält neue Funktionen

Im Sprachmodus verbessert GPT-Live laut OpenAI die Spracherkennung in lauten Umgebungen und liefert präzisere Antworten. Neu zeigt ChatGPT während Gesprächen zudem visuelle Karten an, etwa mit Wetterdaten, Börseninformationen oder Sportresultaten. Funktionen wie Websuche, Speicher, Bildanalyse und die Analyse hochgeladener Dateien bleiben ebenfalls verfügbar. Nach Angaben des Unternehmens nutzen inzwischen mehr als 150 Millionen Menschen jede Woche die Sprach- und Diktierfunktionen von ChatGPT.

Um die Qualität der Gespräche zu bewerten, entwickelte OpenAI nach eigenen Angaben neue menschliche Testverfahren. Dabei bevorzugten die Testpersonen GPT-Live gegenüber dem bisherigen erweiterten Sprachmodus in vergleichbaren Gesprächen von fünf bis zehn Minuten Dauer. Zudem verweist OpenAI auf Verbesserungen bei verschiedenen Benchmarks wie GPQA, BrowseComp und τ³-Voice Telecom, die wissenschaftliches Schlussfolgern, agentische Websuche und sprachbasierte Supportaufgaben bewerten.

Zusätzliche Schutzmechanismen für Sprachdialoge

Mit GPT-Live erweitert OpenAI auch die Sicherheitsvorkehrungen für Sprachinteraktionen. Nach Angaben des Unternehmens umfassen die Tests nun unter anderem Szenarien zu Selbstverletzung, Psychosen, Manien, emotionaler Abhängigkeit von KI, Gewalt und sexuellen Inhalten. Je nach Situation formuliert das System Antworten um, blendet Hilfsangebote ein oder beendet ein Gespräch.

Für Jugendliche integriert OpenAI zusätzliche Schutzmechanismen. Eltern können über die Kindersicherung festlegen, ob ihr Kind den Sprachmodus nutzen darf. In bestimmten Situationen mit einem erhöhten Risiko für Suizid- oder Selbstverletzungsabsichten erhalten sie zudem eine Benachrichtigung.
GPT-Live steht für iOS, Android und ChatGPT.com bereit. Noch unterstützt das Modell im Sprachmodus allerdings weder Video noch Bildschirmfreigaben. Zudem räumt OpenAI ein, dass die Qualität je nach Sprache noch unterschiedlich ausfallen kann. So können zum Start etwa nicht muttersprachliche Akzente auftreten oder sich Gespräche in einigen Sprachen noch weniger natürlich anhören.

Übrigens: GPT-Live baut auf dem Sprachmodus auf, den OpenAI bereits im Herbst 2024 in der Schweiz eingeführt hat - mehr dazu lesen Sie hier.