Hlasový režim v ToRunu byl jako vysílačka. Mluvíte vy, poslouchá on; mluví on, váš mikrofon je zavřený. Lidé takhle nemluví a každý si toho všimne asi za třicet vteřin — v tu chvíli, kdy chcete říct „ne, ten druhý“ a musíte nejdřív počkat, až věta skončí.
gpt-live-1 je plně duplexní engine. Mikrofon zůstává otevřený, zatímco mluví. Můžete ho přerušit stejně, jako byste přerušili člověka, a on vás slyší, zatímco mluví, ne až potom.
Za stejnou smlouvou
Je to jiný protokol než hlas v reálném čase, který jsme už měli — jiný endpoint, jiná slovní zásoba událostí, žádné identifikátory tahu, žádný marker konce tahu. To vše se na jedné hranici přeloží do událostí, kterými už mluví náš hlasový most. Pod tím se nic nemění: stejná relace, stejné nástroje během hovoru, stejné vyúčtování po minutách, stejné dvě aplikace.
Ešte než byl napsán jediný řádek, sonda proti poskytovateli prohnala celou smyčku s vývojářským klíčem a zaznamenala rámce. Tyto záznamy jsou fixtury, vůči kterým se testuje překladová vrstva — testuje se tedy to, co poskytovatel skutečně posílá, ne co dokument tvrdí, že posílá.
Ozvěna je důvod, proč to nikdo nedělá standardně
Otevřený mikrofon během přehrávání slyší asistenta. Bez potlačení odpovídá sám sobě, donekonečna. Proto se na iOS zvuková relace přepne na profil zpracování hlasu, který ruší ozvěnu a chová se jako hlasitý odposlech; na Androidu udělá stejnou práci předvolba záznamu.
To má reálnou cenu, a proto se rozhoduje podle modelu, ne globálně. Řádek katalogu nese příznak. Model s tímto příznakem drží mikrofon otevřený a zapíná potlačení; každý jiný hlas na platformě si drží svou bránu a hlasitější zvukový profil, přesně jako dřív. Rozhodnutí se dělá při startu relace a znovu podle toho, co server skutečně otevřel, pro případ, že by se výchozí nastavení úrovně přesměrovalo na něco jiného.
Na webu se nic nezměnilo: mikrofon tam nikdy nebyl zamčený a prohlížeč už žádá o potlačení ozvěny.
Co ještě není
Není v bezplatné úrovni. Bezplatná minuta by zmizela v jediné výměně a příděl, který skončí uprostřed věty, je horší než příděl, který nikdy nebyl nabídnut.
A první verze se na mobilu chová spíš jako vylepšení než jako převrat, protože obě aplikace si stále drží část vlastního zamykání, dokud potlačení na straně zařízení není potvrzeno na skutečném hardwaru. Engine je plně duplexní; telefony to dohánějí.