跳到主要内容
返回时间线
OpenAI Deployment Safety Hub来源发表:

语音模型不再等你说完:GPT-Live-1.1 全双工上线,Plus 及以上默认启用

核心概要

GPT-Live 语音模型家族更新到 GPT-Live-1.1 与 GPT-Live-1.1 Quip,两者延续全双工设计,可以边听边说,跟随停顿、打断和语速变化,并在当下判断该回应还是继续听。GPT-Live-1.1 接替 GPT-Live-1,成为 Plus 及以上用户的默认语音模型,覆盖 Codex 和 Dots;GPT-Live-1.1 Quip 接替 GPT-Live-1 mini,作为其余用户的默认语音模型。安全方面沿用与前代大致相同的做法:训练模型安全回应、在语音专用评测上测量表现、复用既有系统级安全集成,以及同一套监控、审核与执行基础设施。

Source-provided article image: GPT-Live-1.1 system card
Figure 1 · OpenAI

深度剖析

语音对话模型不再按明确的轮次边界工作,GPT-Live-1.1 与 GPT-Live-1.1 Quip 可以持续地听和回应,跟随停顿、打断与语速变化,并在当下决定是回应还是继续听。 此前的 GPT-Live-1 和 GPT-Live-1 mini 同样是全双工模型,新版本是在这一家族内的迭代,而不是首次引入全双工。 系统卡把这两个模型定位为 GPT-Live 家族的最新迭代,并说明其全双工能力与前代一致。

GPT-Live-1.1 接替 GPT-Live-1,成为 Plus 及以上用户的默认语音模型,覆盖 Codex 和 Dots;GPT-Live-1.1 Quip 接替 GPT-Live-1 mini,成为其余用户的默认语音模型。 默认语音模型的角色由前代 GPT-Live-1 和 GPT-Live-1 mini 转移到新版本。 系统卡明确写出两个新模型各自的接替对象与默认用户范围。

安全建设沿用与前代大致相同的路径:训练模型安全回应、在语音专用评测上测量表现、复用既有系统级安全集成,并使用同一套监控、审核与执行基础设施。 与前代相比,安全构建方式没有另起一套,而是保持大体一致。 系统卡说明这些做法与 GPT-Live-1.1 模型前代的做法大体相同。

启示与展望

系统卡面向的是 GPT-Live 家族最新迭代的定位与安全说明,覆盖 GPT-Live-1.1 与 GPT-Live-1.1 Quip 两个模型,以及它们作为默认语音模型的用户范围。适合关注语音交互产品与安全工程的研究人员和工程师阅读。

系统卡说明安全做法与前代大体相同,但没有给出语音专用评测上的具体表现数据,也没有说明新版本相对前代在自然度或智能程度上改变了多少。