OpenAI внедрила в ChatGPT функцию диктовки, которая работает в реальном времени. Преобразование речи в текст теперь происходит синхронно с записью аудио. Пользователю не нужно ждать завершения фрагмента для получения результата. Функция доступна на всех платформах: в веб-версии, десктопных приложениях для Windows и macOS, а также в мобильных приложениях для iOS и Android. Прежнее ограничение на длительность записи в 10 минут снято.
Техническая основа нововведения — потоковая версия модели распознавания речи Whisper. OpenAI оптимизировала алгоритмы для обработки аудиопакетов с минимальной задержкой. Текст отображается на экране по мере произнесения слов. Поддерживается автоматическая расстановка знаков препинания. Функция работает на десятках языков, включая русский, английский, испанский, французский и немецкий. Для передачи данных используется протокол WebSocket, что обеспечивает непрерывный двусторонний канал связи между клиентом и сервером. Для компенсации нестабильности сетевого соединения применяется адаптивная буферизация.
До обновления голосовой ввод в ChatGPT имел два ключевых ограничения. Во-первых, запись необходимо было останавливать вручную, после чего аудиофайл целиком отправлялся на обработку. Во-вторых, максимальная продолжительность одной записи составляла 10 минут. Теперь эти барьеры устранены. Пользователи могут диктовать длинные тексты, статьи или инструкции без перерывов. Это приближает функциональность чат-бота к профессиональным сервисам транскрибации.
На рынке представлены аналогичные решения. Google предлагает Live Transcribe для устройств на Android и функцию голосового ввода в Gboard. Apple встроила диктовку в iOS и macOS, однако в некоторых версиях операционных систем сохраняется лимит на непрерывный ввод. Специализированный сервис Otter.ai обеспечивает потоковую транскрипцию встреч, но требует оформления платной подписки для расширенных возможностей. Microsoft Azure Speech Services предоставляет API для real-time транскрипции, ориентированный на разработчиков. В отличие от этих продуктов, функция ChatGPT интегрирована непосредственно в интерфейс диалога. Это упрощает ввод сложных запросов и позволяет комбинировать голосовой набор с текстовыми правками.
Новая возможность не требует отдельной подписки и доступна пользователям всех тарифных планов ChatGPT. Для работы необходимо подключение к интернету, поскольку вычисления выполняются на серверах OpenAI. Компания начала поэтапное развертывание функции. В первую очередь обновление получают пользователи веб-версии и мобильных приложений, затем — десктопные клиенты.
Появление диктовки реального времени расширяет сценарии использования ChatGPT. Функция упрощает создание черновиков, конспектов и сообщений. Она также повышает доступность сервиса для людей с ограниченными возможностями, которым сложно использовать клавиатуру. Интеграция потокового ввода с языковой моделью позволяет сразу редактировать распознанный текст перед отправкой. В сочетании с голосовым ассистентом ChatGPT это формирует единую среду для мультимодального взаимодействия.
