Temporal awareness with GPT-Live

TL;DR: OpenAI 的 GPT-Live 模型具备持续在场和时间感知能力，可在对话中自然理解时间流逝、设置计时器，并实现打断式的自然语音交互。 ## 持续在场：语音交互的新范式 随着语音技术越来越多地融入各类产品并成为核心接口，其体验的关键在于完整的上下文与自然的对话能力。新模型能够持续保持在场，这意味着它可以理解时间的流逝和语速的变化，用户可以打断它，它也可以打断用户，指令能被即时遵循。 这种持续在场的能力，让模型可以标记对话中的时间。由于模型始终处于感知与生成状态，它能够理解时间的流逝，这是之前的模型无法做到的。这使得它在许多场景下非常实用，比如设定短计时器或提醒即将发生的事情，同时还能记住完成任务所需的各种上下文。 ## 实际应用示例：手冲咖啡计时 **用户提问：** “嘿，查德，我打算用 V60 手冲壶冲泡一壶浅烘焙咖啡。咖啡粉的闷蒸时间应该多久？” **模型回答：** “对于浅烘焙的 V60 冲泡，闷蒸时间控制在 30 到 45 秒左右。如果豆子非常新鲜且品质好……” **用户打断并请求计时：** “你能帮我在 30 秒时计时吗？” **模型响应：** “好的，30 秒计时器已经开始计时了。这就是你的闷蒸窗口。开始注水，我会在时间到的时候提醒你。” **计时过程：** 模型在时间点实时播报：“25 秒……30 秒。计时结束了。” **用户遇到问题：** “如果我水壶里没有水了怎么办？” **模型幽默回应并给出建议：** “这种事谁都会遇到。如果你没水了，停止注水，不要刮咖啡渣，让水自然滴完。尝一下，告诉我味道是尖酸还是寡淡，下次我们调整闷蒸时间和注水水量。享受吧。” ## 展望：最自然的交互方式 这样的对话展示了模型如何将持续在场、时间感知与自然语言理解相结合，在实时互动中提供有上下文记忆的辅助。用户和开发者都期待以最自然的方式与这些模型互动，未来的语音体验会非常出色。 **Source:** [Temporal awareness with GPT-Live - OpenAI](https://www.youtube.com/watch?v=8vvWTz6N7Qg)