ChatGPT dostáva nový hlasový režim GPT-Live, ktorý už nemá fungovať ako klasická vysielačka. ChatGPT Voice bude celkom iný.
OpenAI nasadzuje modely GPT-Live-1 a GPT-Live-1 mini, ktoré dokážu počúvať a hovoriť zároveň, lepšie zvládať pauzy, prerušenia, hluk v okolí a pri náročnejších otázkach si na pozadí zavolať silnejší model.
Fungovať má aj u nás, no zavádzanie prebieha postupne a dostupnosť môže závisieť od plánu, regiónu, verzie aplikácie a typu účtu.
Čo je ChatGPT Live, resp. Voice?
ChatGPT Live nie je nová samostatná aplikácia, ale nový hlasový režim v ChatGPT. OpenAI ho oficiálne označuje ako GPT-Live a v nastaveniach hlasu ho uvidíte ako možnosť Live. V praxi ide o novú generáciu hlasových modelov, ktoré poháňajú ChatGPT Voice.
Platené osobné účty používajú GPT-Live-1, bezplatné účty dostávajú GPT-Live-1 mini. OpenAI tým mení hlavne spôsob, akým sa s ChatGPT rozprávate hlasom. Nejde iba o krajší hlas, ale o inú architektúru rozhovoru.
Doterajšie hlasové systémy väčšinou fungovali ako reťazec viacerých krokov. Najprv model prepísal vašu reč na text, potom jazykový model pripravil odpoveď a nakoniec ju ďalší model premenil späť na hlas. Tento prístup fungoval, ale strácal veľa informácií. AI nepracovala priamo s intonáciou, prirodzenými pauzami, smiechom, neistotou v hlase alebo ruchmi okolia.
OpenAI podobný problém opisovalo už pri GPT-4o, kde vysvetľovalo, že starý Voice Mode pri GPT-3.5 a GPT-4 pracoval s priemernou latenciou 2,8 až 5,4 sekundy a používal tri oddelené modely.
GPT-Live na to ide inak. OpenAI používa architektúru full-duplex, teda obojsmernú hlasovú komunikáciu v reálnom čase. Model nemusí čakať, kým úplne skončíte vetu. Dokáže počúvať, hovoriť, vyhodnocovať pauzu, sledovať rytmus rozhovoru a rozhodovať sa, či má odpovedať, zostať ticho, nechať vás dopovedať myšlienku alebo reagovať krátkym potvrdením typu „mhm“ či „rozumiem“.
V ideálnom prípade to už nepôsobí ako diktovanie otázok do stroja, ale ako normálnejší rozhovor. Samozrejme, stále sa bavíme s AI, nie s kolegom pri káve. Kávu vám zatiaľ neurobí, čo je možno škoda.
Prečo je full-duplex dôležitý?
Full-duplex znamená, že obe strany môžu hovoriť a počúvať súčasne. Bežný telefón to zvláda už desaťročia, ale pre hlasovú AI to predstavuje výrazne náročnejší problém. Model musí počas rozhovoru rozlišovať, či ho prerušujete, či iba premýšľate, či ste ešte neskončili vetu, či sa v pozadí rozpráva niekto iný, alebo či od neho čakáte okamžitú reakciu.
Starší hlasový režim často reagoval na ticho. Keď ste sa na dve sekundy odmlčali, systém si mohol myslieť, že ste skončili. Výsledok poznáme všetci: človek sa nadýchne, AI začne rozprávať, človek ju preruší, AI sa opraví, konverzácia sa rozpadne a technológia sa tvári, že všetko ide podľa plánu.
GPT-Live má lepšie odhadovať koniec repliky, zvládať prerušenia a počkať, keď ho o to požiadate. Podľa OpenAI môžete počas odpovede skočiť ChatGPT do reči, požiadať ho, aby spomalil, alebo mu povedať, aby bol chvíľu ticho a iba počúval.
To je praktické napríklad pri rozmýšľaní nahlas. Namiesto toho, aby ste museli formulovať dokonalú otázku na prvý pokus, môžete rozprávať postupne. ChatGPT by mal lepšie vydržať vašu nedokončenú vetu, počkať, kým sa dopracujete k pointe, a až potom odpovedať.
Pri učení jazyka môže opravovať výslovnosť alebo viesť dialóg prirodzenejšie. Pri plánovaní cesty, varení, práci v dielni alebo šoférovaní môže pomôcť bez toho, aby ste museli neustále ťukať do displeja.
GPT-Live nemá robiť všetko sám. OpenAI vraj oddelilo hlasovú vrstvu, ktorá drží plynulosť rozhovoru, od náročnejšieho uvažovanie. Keď sa pýtate na jednoduchú vec, Live odpovie rýchlo.
Keď však otázka potrebuje vyhľadávanie na webe, viac krokov, logiku alebo prácu nástroja, GPT-Live môže úlohu poslať na pozadí silnejšiemu modelu, napríklad GPT-5.5. Medzitým môže rozhovor pokračovať. Model vám môže povedať, že niečo overuje, a nemusí pri tom na niekoľko sekúnd úplne zamrznúť ako lacný web štátnej inštitúcie v deň spustenia.
Vybrať si môžete aj úroveň uvažovania. Instant slúži na rýchle odpovede, Medium a High dávajú ChatGPT viac času na premýšľanie. OpenAI tvrdí, že GPT-Live-1 Instant a GPT-Live-1 mini používajú na pozadí GPT-5.5 Instant, zatiaľ čo varianty Medium a High používajú GPT-5.5 Thinking so strednou alebo vysokou úrovňou uvažovania.
Čo všetko ChatGPT Live podporuje?
Live funguje priamo v konverzácii ChatGPT. Hovorené odpovede sa zobrazujú aj ako text, takže po skončení rozhovoru vidíte, čo ChatGPT povedal. Režim dokáže používať webové vyhľadávanie, pamäť, text, obrázky a podporované vizuálne karty. Pri vybraných témach môže ChatGPT počas hlasového rozhovoru zobraziť napríklad počasie, burzové dáta, športové výsledky alebo iné vizuálne prvky. Toto je celkom dôležité, lebo nie každá odpoveď patrí iba do uší. Keď sa pýtate na predpoveď počasia, graf akcie alebo výsledky zápasu, obrazovka dáva väčší zmysel než päťminútové čítanie údajov.
Voice však nenahrádza diktovanie. OpenAI rozlišuje Voice a Dictation. Voice používate na živý rozhovor, kde si s ChatGPT vymieňate repliky. Diktovanie slúži skôr na nahratie hlasového promptu, jeho prepis, kontrolu a odoslanie ako text. OpenAI zároveň upozorňuje, že prepis hlasovej konverzácie nemusí presne zodpovedať tomu, čo ste povedali vy alebo ChatGPT, najmä pri prekrytej reči, hluku alebo rýchlej výmene replík.
OpenAI pre GPT-Live upravilo aj deväť hlasov v ChatGPT. Model nemá napodobňovať konkrétnych ľudí a pracuje s vopred pripravenými hlasmi. To je dobrá správa pre bezpečnosť, horšia pre každého, kto čakal „nahrajte hlas Morgan Freeman a nech mi číta nákupný zoznam“. Toto OpenAI nechce podporovať. A snáď ani nikdy nebude.
Bude ChatGPT Live fungovať na Slovensku?
OpenAI uvádza, že GPT-Live sprístupňuje používateľom ChatGPT globálne na iOS, Androide a na ChatGPT.com. Samostatný zoznam podporovaných krajín pre ChatGPT obsahuje aj Slovensko. To však neznamená, že každý používateľ ho uvidí v rovnaký deň a v rovnakú hodinu. OpenAI tvrdí, že Live sa zavádza postupne a dostupnosť závisí od plánu, regiónu, pracovného priestoru a verzie aplikácie.
Slovenčina patrí medzi podporované jazyky ChatGPT. OpenAI zároveň upozorňuje, že GPT-Live optimalizovalo najmä pre niektoré najpoužívanejšie jazyky a pri niektorých jazykoch sa môžu objaviť cudzí prízvuk alebo medzery v plynulosti.
Pre slovenského používateľa to znamená jednoduchú vec: služba má fungovať, ale nečakajte hneď dokonalý slovenský hlas bez prízvuku, bez divných prestávok a bez občasného zvláštneho rytmu vety. Slovenčina je krásna, ale pre modely je to stále jazyk s dosť bohatou gramatikou na to, aby sa pri nej zapotili aj ľudia, nieto ešte neurónová sieť.
Ak Live nevidíte, nemusí to znamenať, že Slovensko OpenAI obišlo. Skontrolujte aktualizáciu mobilnej aplikácie, pozrite nastavenia hlasu a počkajte na postupné zavedenie. OpenAI priamo uvádza, že ak Live nemáte dostupné, môžete ďalej používať Advanced alebo Standard Voice tam, kde ich váš účet podporuje.
Bezplatní používatelia dostanú GPT-Live-1 mini. Používatelia plánov Go, Plus a Pro dostanú GPT-Live-1 ako predvolený model pre ChatGPT Voice. OpenAI neuvádza jeden univerzálny limit počtu hlasových konverzácií pre všetkých, pretože limity sa líšia podľa plánu a konkrétnej hlasovej možnosti. ChatGPT má používateľa upozorniť, keď sa blíži k limitu alebo ho dosiahne.
Dôležité obmedzenie sa týka firemných a školských pracovných priestorov. Live pri štarte nie je dostupný v ChatGPT Business, Enterprise ani Edu. Títo používatelia môžu ďalej používať hlasové možnosti, ktoré už mali dostupné. Live na začiatku nefunguje ani v dočasných chatoch, desktopovej aplikácii ChatGPT, režime Work, Codexe ani vo vlastných GPT. Vlastné GPT môžu naďalej používať Advanced Voice Mode, ale nejde o rovnaký Live režim.
Práca s obrázkami?
Dôležitá novinka sa netýka iba samotného rozprávania. ChatGPT Voice má pri režime Live ďalej podporovať aj obrázky a nahrávanie súborov, takže sa s modelom nemusíte rozprávať iba o abstraktnej otázke. Môžete mu ukázať fotografiu, screenshot, dokument alebo inú vizuálnu vec a potom sa na ňu pýtať hlasom.
V praxi to znamená, že odfotíte napríklad ovládací panel spotrebiča, chybovú hlášku na obrazovke, etiketu produktu, zmluvu, tabuľku, graf, technický nákres alebo niečo v domácnosti a ChatGPT vám k tomu vie odpovedať priamo v rozhovore. OpenAI pri GPT-Live uvádza, že Voice naďalej podporuje vyhľadávanie, pamäť, obrázky a nahrávanie súborov.
Toto je prakticky rozdiel medzi tým, keď AI niečo iba opisujete, a tým, keď jej to rovno ukážete. Namiesto vety „mám tu takú červenú kontrolku, vedľa nej je nejaký zvláštny symbol, asi trojuholník, alebo možno nie“ môžete poslať fotku a spýtať sa hlasom, čo znamená. Pri technike to môže pomôcť s nastaveniami routera, televízora, auta, bicyklového displeja, spotrebiča alebo aplikácie.
Pri cestovaní si viete nechať vysvetliť cudzí nápis, menu v reštaurácii alebo informačnú tabuľu. Pri práci môže ChatGPT hlasom komentovať graf, tabuľku, prezentáciu alebo screenshot. Samozrejme, pri dôležitých veciach treba jeho odpoveď overiť. Stále je to AI, nie súdny znalec so zlatou pečiatkou.
Treba však rozlišovať obrázky a živé video. Obrázok alebo súbor môžete do hlasovej konverzácie pridať podľa dostupnosti vo vašom účte a relácii, no samotný GPT-Live pri štarte nepodporuje živé video ani zdieľanie obrazovky. Tieto možnosti zostávajú dostupné oprávneným používateľom v režime Advanced Voice v mobilných aplikáciách pre iOS a Android, nie priamo v Live režime pri jeho spustení.
Čo ChatGPT Live zatiaľ nevie?
Najväčšie obmedzenie pri štarte sa týka videa a zdieľania obrazovky. GPT-Live v ChatGPT zatiaľ nepodporuje hlas s videom ani screen sharing. Ak máte tieto možnosti dostupné v Advanced Voice Mode, môžete ich používať ďalej tam, kde ich OpenAI podporuje. Live teda zatiaľ nie je plnohodnotný nástupca všetkého, čo ChatGPT Voice poznal predtým. Skôr ide o nový hlasový základ pre prirodzenejší rozhovor, ku ktorému OpenAI plánuje ďalšie schopnosti pridať neskôr.
Live tiež nie je ideálny pre viacero hovoriacich naraz. OpenAI ho navrhlo primárne na rozhovor jedného človeka s ChatGPT. Model síce zvláda hluk v pozadí lepšie než predchádzajúce režimy, no stále sa môže pomýliť, ak sa v miestnosti rozpráva viac ľudí, hrá televízor alebo niekto vedľa vás vedie vlastný rozhovor. OpenAI odporúča tichšie prostredie, slúchadlá a na iPhone aj režim izolácie hlasu.
Hlasová konverzácia sa môže skončiť aj vtedy, keď narazíte na limit používania, maximálnu dĺžku relácie alebo kontextový limit dlhého rozhovoru. Naraz môžete mať aktívnu iba jednu hlasovú konverzáciu. To síce neznie dramaticky, ale pri dlhých debatách s AI sa na to dá naraziť. Najmä ak sa z nevinného „čo dnes navariť?“ stane 40-minútová filozofická debata o tom, prečo deti aj tak zjedia iba rožok.
Bezpečnosť? Rôzna
Hlas prináša špecifické riziká. Textový chatbot odpovie textom, ale hlasový model môže pôsobiť osobnejšie, presvedčivejšie a emocionálne bližšie. OpenAI preto pri GPT-Live uvádza špeciálne bezpečnostné testovanie pre audio, red-teaming a ochrany, ktoré môžu zasiahnuť počas toho, ako model hovorí. Keď systém zachytí potenciálne nebezpečný výstup, môže model nasmerovať k bezpečnejšej odpovedi, zobraziť podporné zdroje alebo vo vyššom riziku ukončiť hlasový rozhovor.
OpenAI venuje pozornosť aj sebapoškodzovaniu, psychóze, mánii, emocionálnej závislosti od AI, násiliu a sexuálnemu obsahu. Pri tínedžeroch pridáva vekovo primerané správanie a rodičovské kontroly, cez ktoré rodič môže rozhodnúť, či tínedžer použije ChatGPT Voice. Pri vyššom riziku spojenom so sebapoškodzovaním alebo samovražedným úmyslom môžu prepojení rodičia dostať upozornenie.
Pri súkromí platí dôležitý detail. OpenAI uvádza, že audio klipy z Live a Advanced Voice konverzácií uchováva spolu s prepisom v histórii chatu 30 dní. Na tréning modelov ich nepoužíva, pokiaľ používateľ výslovne nezapne zdieľanie audio alebo video klipov na zlepšovanie modelov. Textové prepisy a ďalšie súbory z hlasových konverzácií však môžu OpenAI použiť na tréning podľa plánu a nastavení účtu, ak má používateľ zapnuté zlepšovanie modelov pre všetkých.
Pre bežného človeka je ChatGPT Live hlavne pohodlnejší spôsob práce s AI. Najviac dáva zmysel v situáciách, keď máte ruky inde než na klávesnici. Pri varení, šoférovaní, učení jazyka, cvičení, plánovaní výletu, rýchlom overovaní informácií alebo pri brainstormingu. Zaujímavé bude aj to, že Live dokáže počas hovoru používať vyhľadávanie a pamäť. Ak si teda s ChatGPT dlhodobo ukladáte preferencie, môže v hlasovom rozhovore reagovať osobnejšie a praktickejšie. To je užitočné, ale zároveň si zaslúži rozumné nastavenie súkromia.