OpenAI annonce le lancement de GPT-Live, une nouvelle gamme de modèles IA vocaux capables d’écouter et de parler simultanément en temps réel. OpenAI a lancé deux versions de GPT-Live : GPT-Live-1 et GPT-Live-1 mini – destinées aux utilisateurs du monde entier. GPT-Live-1 mini est conçu pour une intégration et une utilisation rapides avec des ressources limitées, tandis que la version de base offre des capacités étendues aux développeurs et aux applications professionnelles.OpenAI est un organisme américain de recherche en intelligence artificielle (IA) dont le siège social est situé à San Francisco. Il est constitué d’OpenAI Group PBC, une société à but lucratif d’intérêt public (PBC), partiellement contrôlée par OpenAI Foundation, une organisation à but non lucratif. OpenAI développe des modèles d’IA générative, notamment la série de grands modèles de langage GPT. Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé l’essor de l’IA et suscité un intérêt généralisé pour l’IA générative.
Récemment, OpenAI a annoncé le lancement de GPT-Live, une nouvelle gamme de modèles IA vocaux capables d'écouter et de parler simultanément en temps réel. OpenAI a lancé deux versions de GPT-Live : GPT-Live-1 et GPT-Live-1 mini – destinées aux utilisateurs du monde entier. En mai, OpenAI avait présenté trois modèles audio pour sa plateforme de développement, dans le but de rendre les assistants vocaux plus conversationnels et capables d’effectuer des tâches en temps réel.
Cette nouvelle gamme permet d’appliquer cette technologie dans divers scénarios, des assistants vocaux aux systèmes d’assistance nécessitant une réaction instantanée ainsi qu’une écoute et une parole synchronisées. GPT-Live-1 mini est conçu pour une intégration et une utilisation rapides avec des ressources limitées, tandis que la version de base offre des capacités étendues aux développeurs et aux applications professionnelles.
Ce lancement souligne l’engagement d’OpenAI à étendre les applications de la technologie vocale en temps réel et à ouvrir de nouvelles possibilités pour les services interactifs et l’automatisation.
Voici un extrait de l'annonce d'OpenAI :
Présentation de GPT‑Live
Nous lançons GPT‑Live, une nouvelle génération de modèles vocaux qui rendent les échanges avec l’IA beaucoup plus proches d’une vraie conversation.
GPT‑Live repose sur une architecture full-duplex, ce qui signifie qu’il peut écouter et parler en même temps. Pendant les conversations, GPT‑Live peut montrer qu’il est attentif avec des expressions comme « mhmm » ou « oui », enchaîner rapidement les échanges, ou simplement rester silencieux lorsque vous avez besoin d’un moment pour réfléchir. Le résultat est une expérience vocale avec laquelle il est étonnamment facile de discuter.
GPT‑Live est aussi notre modèle vocal le plus intelligent à ce jour. Pour les questions qui nécessitent une recherche web, un raisonnement plus approfondi ou un travail plus complexe, il délègue en arrière-plan à notre dernier modèle de pointe, puis réintègre le résultat dans la conversation lorsqu’il est prêt. Pendant qu’il travaille, GPT‑Live peut continuer à échanger avec vous et maintenir le fil de la conversation. Au lancement, GPT‑Live utilisera GPT‑5.5 en arrière-plan. À mesure que nous publierons de nouveaux modèles de pointe, nous mettrons continuellement à jour le modèle utilisé par GPT‑Live.
Ces avancées alimentent une nouvelle expérience ChatGPT Voix, plus intelligente et plus naturelle à utiliser. Avec le temps, nous pensons que ces recherches permettront aussi d’utiliser la voix pour des travaux de plus en plus complexes, plus longs et plus agentiques.
Nous commençons aujourd’hui à déployer deux versions de GPT‑Live – GPT‑Live‑1 et GPT‑Live‑1 mini – auprès des utilisateurs de ChatGPT dans le monde entier. Nous prévoyons aussi de les proposer bientôt dans l’API, et les développeurs comme les entreprises peuvent s’inscrire pour être informés.
Évaluations
Nous avons créé de nouvelles évaluations humaines pour mesurer l’agrément et la fluidité de la conversation. Dans ces comparaisons directes, GPT‑Live‑1 et GPT‑Live‑1 mini sont nettement préférés au mode vocal avancé lors de conversations comparables de 5 à 10 minutes mesurant la préférence globale, les tours de parole, les interruptions, la fluidité conversationnelle et le naturel ressenti de chaque interaction.
- GPQA : GPT‑Live‑1 surpasse nettement le mode vocal avancé sur GPQA, qui teste le raisonnement scientifique de niveau expert en biologie, chimie et physique.
- BrowseComp : GPT‑Live‑1 progresse fortement par rapport au mode vocal avancé sur BrowseComp, qui teste la recherche web agentique et la capacité à trouver des informations difficiles à localiser.
- τ³-Voice Telecom** : GPT‑Live‑1 surpasse le mode vocal avancé sur τ³-Voice Telecom, qui teste des agents vocaux sur des tâches réalistes de support télécom à plusieurs tours.
Une sécurité conçue pour la voix
GPT‑Live a été conçu pour être sûr par défaut. Il s’appuie sur les avancées en matière de sécurité de nos derniers modèles, tout en ajoutant un entraînement dédié à la sécurité dans les principaux domaines de risque et de nouvelles protections conçues spécifiquement pour la voix.
Des tests de sécurité élargis
Pour mieux refléter la façon dont les personnes utilisent la voix dans des contextes réels, nous avons commencé par élargir nos tests de sécurité afin d’inclure de nouvelles évaluations natives audio. Nous avons aussi créé des évaluations synthétiques qui utilisent de l’audio généré afin de nous concentrer plus intensément sur les principaux domaines de sécurité, en nous appuyant sur ce que nous avons appris du mode vocal avancé. Ces domaines comprennent l’automutilation, la psychose et la manie, la dépendance émotionnelle à l’IA, la violence et le contenu sexuel. Des experts internes ont également soumis le modèle à des exercices de red team pour les risques propres à la voix.
Lors de nos tests, GPT‑Live a obtenu des résultats comparables ou supérieurs au mode vocal avancé dans presque tous les domaines évalués. Vous pouvez en savoir plus sur nos tests et nos protections dans la fiche système(ouverture dans une nouvelle fenêtre) de GPT‑Live.
Protections intégrées
Comme les conversations vocales se déroulent en temps réel, nous avons également intégré des protections capables d’agir pendant que le modèle parle. Lorsque le système détecte une sortie potentiellement dangereuse, il peut orienter le modèle vers une réponse plus sûre, afficher des messages ou des ressources de sécurité supplémentaires, ou mettre fin à la conversation vocale dans les cas à risque élevé. Pour les conversations portant sur l’automutilation, nous avons adapté à la voix les parcours d’assistance de ChatGPT, notamment en proposant l’aide de lignes d’écoute de crise validées par des experts.
Nous avons conçu des protections supplémentaires pour accompagner les adolescents, et entraîné le modèle à adopter directement des comportements...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.