OpenAI ще пусне не по-късно от март 2026 година безекранен гласови AI модел

OpenAI възнамерява през първото тримесечие на 2026 г. да представи нов аудиомодел, насочен към по-естествено гласово взаимодействие. Очаква се той да може да води диалог в реално време, да реагира правилно на паузите и прекъсванията и да звучи по-близо до живата човешка реч от досега съществуващите решения. Този ход ще бъде част от стратегията на OpenAI за създаване на физическо устройство на OpenAI, фокусирано предимно върху работа с аудио, а не с екрани.

Според The Information през изминалите няколко месеца OpenAI е обединила няколко инженерни, продуктови и изследователски екипа около една обща инициатива. Нейната цел е да се подобрят аудио моделите на компанията, които по оценка на самите изследователи на OpenAI все още отстъпват на текстовите модели по отношение на точност и бързина.

Компанията също така отбелязва, че гласовият интерфейс на ChatGPT все още е по-малко популярен от текстовия интерфейс: повечето потребители предпочитат да въвеждат заявки. Очаква се новият аудиомодел да поддържа по-„човешки“ диалог – да реагира правилно на прекъсванията и да води разговор в реално време. OpenAI очаква, че по-естествените и по-бързи аудиовзаимодействия биха могли да променят навиците на потребителите и да разширят използването на AI в области като автомобилите и домашните уреди. Тези възможности трябва да залегнат в основата на първия хардуерен продукт на OpenAI, който според предварителните оценки може да бъде пуснат на пазара след една година.

Служителите на компанията обсъждат различни формати на бъдещите устройства – от умни тонколони до очила. Основният фокус обаче е върху аудио интерфейсите без екран. В бъдеще OpenAI обмисля създаването на цяла серия от такива устройства, които ще работят по-скоро като лични асистенти, отколкото като традиционни джаджи.