AI-telefoner overtager kundeservice

OpenAI har udgivet talemodellen GPT-Live-1 til udviklere via API, som kan lytte og tale samtidigt.

Modellen klarer sig markant bedre end tidligere versioner i tests, med hurtigere svar og højere præcision, hvilket gør den attraktiv for virksomheder som Yelp.

Udviklere kan nu bruge modellen mod betaling per minut, og flere detaljer følger i API-dokumentationen.

OpenAI har nu gjort deres nye talemodel, GPT-Live-1, tilgængelig for udviklere gennem en API, som er en slags digital forbindelse, der lader andre programmer bruge modellen. Denne model kan både lytte og tale samtidig, hvilket kaldes full-duplex. Det betyder, at den kan forstå dig, mens du stadig taler, ligesom i en naturlig samtale, hvor man afbryder og svarer uden at vente på stilhed. Modellen er allerede i brug inde i ChatGPT, så mange kender den derfra.

Udviklere kan vælge at kombinere GPT-Live-1 med andre bagvedliggende modeller, alt efter hvad opgaven kræver. På den måde kan de styre, hvor dybt modellen skal tænke, hvor hurtigt den svarer, og hvad det koster. Prisen er fastsat til 0,05 dollar per minut, hvilket svarer til cirka 35 øre. Et eksempel på brug er firmaet Yelp, som bruger modellen til telefonbaserede reservationer. Deres tekniske chef, Alex Levy, siger, at modellen håndterer opkald bedre end tidligere løsninger.

Sammenlignet med sine forgængere klarer GPT-Live-1 sig markant bedre på OpenAIs egne tests. I test af full-duplex-interaktion scorer den 80,1 procent, hvor den tidligere model GPT-Realtime-2.1 kun nåede 45,4 procent. Tiden for at skifte mellem at tale og lytte er også faldet fra 1,4 sekunder til 0,8 sekunder. Når modellen skal bruge værktøjer, som at lave en reservation, er præcisionen steget fra 60 procent til 87 procent. I en test med bankstemme-support, hvor kunder skal guides gennem en opgave, stiger gennemførelsesraten fra 12,4 procent til 32 procent.

GPT-Live-1 kommer også med tolv nye stemmer, der dækker forskellige accenter, dialekter og sprog. Den leverer automatisk transskriptioner af tale og svartekst, så udviklere nemt kan få tekst ud af samtalerne. Alle tekniske detaljer vil være at finde i API-dokumentationen, som er den officielle vejledning til udviklere.