La modalità vocale in ToRun era un walkie-talkie. Tu parli, ascolta; parla, il tuo microfono è chiuso. Non è così che parlano le persone, e tutti lo notano in circa trenta secondi — il momento in cui vuoi dire "no, l'altro" e devi aspettare che una frase finisca prima.
gpt-live-1 è un motore full duplex. Il microfono resta aperto mentre parla. Puoi interromperlo come interrompi una persona, e ti sente mentre parla, non solo dopo.
Dietro lo stesso contratto
È un protocollo diverso dalla voce in tempo reale che avevamo già — un endpoint diverso, un vocabolario di eventi diverso, nessun identificativo di turno, nessun marcatore di fine turno. Tutto ciò viene tradotto a un unico confine negli eventi che il nostro ponte vocale già parla. Sotto quello, nulla cambia: stessa sessione, stessi strumenti durante una chiamata, stesso conteggio al minuto, stesse due app.
Prima ancora che venisse scritta una riga, una sonda ha eseguito l'intero ciclo contro il provider con una chiave di sviluppo e ha registrato i frame. Quelle registrazioni sono i fixture contro cui viene testato lo strato di traduzione — ciò che viene testato è dunque ciò che il provider invia davvero, non ciò che un documento dice che invia.
L'eco è il motivo per cui nessuno lo fa per default
Un microfono aperto durante la riproduzione sente l'assistente. Senza soppressione, risponde a se stesso, all'infinito. Perciò su iOS la sessione audio passa al profilo di elaborazione vocale, quello che annulla l'eco e si comporta come un vivavoce; su Android il preset di cattura fa lo stesso lavoro.
Questo ha un costo reale, ed è per questo che si decide per modello anziché globalmente. La riga del catalogo porta un flag. Un modello con quel flag mantiene il microfono aperto e attiva la cancellazione; ogni altra voce sulla piattaforma mantiene il proprio blocco e il proprio profilo audio più forte, esattamente come prima. La decisione viene presa all'avvio della sessione, e ripresa da ciò che il server ha effettivamente aperto, nel caso in cui un default di livello si sia risolto in qualcos'altro.
Sul web nulla è cambiato: il microfono lì non è mai stato bloccato, e il browser chiede già la cancellazione dell'eco.
Cosa non è ancora
Non è nel piano gratuito. Un minuto gratuito sparirebbe in un singolo scambio, e un'assegnazione che finisce a metà frase è peggio di una mai offerta.
E la prima versione si comporta più come un miglioramento che come una trasformazione sul mobile, perché entrambe le app mantengono ancora parte del proprio blocco finché la cancellazione lato dispositivo non è confermata su hardware reale. Il motore è full duplex; i telefoni lo stanno raggiungendo.