Без вашего ведома: ChatGPT меняется
Еженедельное обновление от OpenAI и Anthropic доказывает, что голос становится основным интерфейсом. С новыми моделями GPT-Live и доступом к исходному коду приложение ChatGPT больше не просто разговаривает — оно управляет рабочими процессами.
Эра набора текста и текстовых интерфейсов готовится к пересмотру маршрута: гиганты искусственного интеллекта OpenAI и Anthropic (разработчик Claude) объявили о серии значительных обновлений для своих голосовых режимов. На этот раз речь идет о драматических изменениях — от простого общения с экраном мобильного телефона до полноценного «личного помощника», который фактически управляет приложениями на рабочем столе компьютера.
Самый важный шаг исходит от OpenAI, которая выпустила масштабное обновление для настольного приложения ChatGPT (в системах Windows и macOS). Обновление включает в себя новое семейство голосовых моделей GPT-Live и позволяет пользователям вести непрерывный и плавный голосовой диалог, одновременно активируя агентов искусственного интеллекта для выполнения сложных действий на персональном компьютере.
Не только разговоры
В то время как в версиях для смартфонов мы привыкли в основном к плавным разговорам без возможности глубокого исполнения задач, новое обновление для рабочего стола полностью меняет картину. ChatGPT Voice теперь интегрирован в передовые рабочие среды ChatGPT Work и Codex (среда разработки программного обеспечения компании) и умеет брать на себя управление сложными многоэтапными командами.
У пользователей macOS система способна изучить активное окно на экране по нажатию или голосовой команде («Take a look at this») и проанализировать визуальные элементы или альтернативный текст (Alt-text). В демонстрации компании был показан разработчик, который просит ChatGPT только голосом открыть новый поток, выполнить Pull Request в сети кода и найти основную причину ошибки в системе — все это с помощью одной непрерывной голосовой команды.
Кроме того, пользователи приложения iOS теперь могут удаленно управлять Codex, запущенным на их настольном компьютере, с помощью голосовых команд.
Как это работает на практике? В отличие от голосовых генераторов старого поколения, модели GPT-Live способны понимать фрагменты речи, прерывать ответы на полуслове при необходимости и распознавать, когда пользователю требуется предоставить дополнительный ввод (Input) для завершения задачи.
Ответ Anthropic
Параллельно с объявлением OpenAI, конкурент Anthropic также обновил голосовой режим своего Claude. Если до сих пор голосовой режим Claude основывался в основном на легкой модели Haiku, то теперь пользователи могут вести голосовые разговоры также на базе Sonnet и Opus — самых мощных и умных моделей компании.
Главное преимущество Anthropic в этом раунде заключается в глубоком подключении к сторонним приложениям: голосовой режим Claude способен получать прямой доступ во время разговора к рабочим инструментам, таким как Gmail, Google Calendar, Slack, Notion и Canva, и выполнять в них сложные задачи непосредственно из голосового диалога.