OpenAI’ın Yeni Ses Modeli Ortaya Çıktı: ChatGPT Daha Doğal Konuşmaya Hazırlanıyor
OpenAI’ın test ettiği GPT-Bidi-1 adlı yeni ses modeli ortaya çıktı ve ChatGPT’nin sesli görüşme deneyiminde önemli değişiklikler yaşanabileceğine işaret etti. Kod referanslarında tespit edilen model, aynı anda konuşup dinleyebilen yapısıyla mevcut sesli asistan yaklaşımından ayrılıyor. OpenAI’ın belirli kullanıcı gruplarıyla yürüttüğü testler sürerken, yeni sistemin kısa süre içinde daha geniş bir kitleye açılması bekleniyor.
Çift Yönlü Ses İşleme Teknolojisi Yeni Bir Deneyim Sunuyor
TestingCatalog tarafından ortaya çıkarılan bulgular, OpenAI’ın yeni nesil bir gerçek zamanlı yapay zekâ ses modeli üzerinde çalıştığını gösterdi. Şirketin kullandığı “Bidi” isminin “bidirectional” yani çift yönlü çalışma prensibine gönderme yaptığı belirtiliyor. Geleneksel sesli asistanlar kullanıcının konuşmasını tamamlamasını beklerken, bu mimari konuşma sürerken ses akışını analiz etmeyi sürdürüyor. Araştırmacılar, çift yönlü ses işleme yaklaşımının doğal diyalog kurabilen sistemlerin temel bileşenlerinden biri olduğunu belirtiyor. İnsanlar günlük konuşmalarda karşı tarafı dinlemeyi sürdürürken aynı anda geri bildirim verebildiği için iletişim kesintisiz ilerliyor. OpenAI’ın geliştirdiği yapının da benzer bir iletişim modeli oluşturmayı hedeflediği görülüyor.
Test kayıtlarını inceleyen kullanıcılar, GPT-Bidi-1’in uzun konuşmalarda önceki detayları takip etme konusunda daha başarılı davrandığını aktarıyor. Mevcut sistemlerde zaman zaman görülen bağlam kayıpları, özellikle uzun süreli sesli görüşmelerde kullanıcı deneyimini olumsuz etkileyebiliyordu. Gelişmiş konuşma hafızası kullanan sistemler, sohbet boyunca oluşan bilgi zincirini daha tutarlı şekilde takip edebiliyor. GPT-Bidi-1’in de bu yaklaşımı benimseyerek önceki konuşmalara daha doğru referanslar verdiği ifade ediliyor. Uzun diyaloglarda bağlam yönetimi, sesli yapay zekâ deneyimini belirleyen en kritik unsurlardan biri olarak görülüyor.
Kullanıcıların paylaştığı ekran görüntüleri, modelin ChatGPT uygulamasındaki seçenekler arasına eklendiğini ortaya koydu. Test sürecine erişen kullanıcılar, yeni model etkinleştirildiğinde sesli sohbet ekranında farklı bir görsel arayüzle karşılaşıyor. Geliştiriciler tarafından yürütülen sınırlı testler, teknolojinin yalnızca laboratuvar ortamında kalmadığını gösteriyor. Gerçek kullanıcı geri bildirimleriyle ilerleyen süreç, OpenAI’ın modeli yayın öncesinde farklı senaryolarda değerlendirdiğine işaret ediyor. Şirketin son dönemde GPT ailesinde yaptığı güncellemeler dikkate alındığında, ses tarafındaki bu değişimin ChatGPT’nin gelecekteki kullanım şeklini doğrudan etkileyebileceği değerlendiriliyor.
Google, Gemini Live tarafında gerçek zamanlı sesli etkileşim özelliklerini geliştirirken xAI da Grok için benzer çözümler üzerinde çalışıyor. OpenAI’ın yeni ses modeli, yapay zekâ sesli sohbet deneyimini daha doğal hâle getirme yarışında önemli bir adım olarak görülüyor.
Sektör uzmanları, gelecek dönemde kullanıcıların komut verip yanıt beklediği sistemlerden çok, kesintisiz diyalog kurabilen yapay zekâlara yöneleceğini öngörüyor. OpenAI’ın GPT-Bidi-1 hamlesi de sesli asistanların soru-cevap mantığından çıkarak gerçek zamanlı dijital sohbet arkadaşlarına dönüşme sürecini hızlandırabilir.
