Modul vocal din ToRun era ca o staţie radio de emisie-recepţie. Tu vorbeşti, el ascultă; el vorbeşte, microfonul tău este închis. Oamenii nu vorbesc aşa, şi toată lumea observă asta în aproximativ treizeci de secunde — momentul în care vrei să spui „nu, celălalt” şi trebuie mai întâi să aştepţi ca o propoziţie să se termine.
gpt-live-1 este un motor duplex complet. Microfonul rămâne deschis cât timp vorbeşte. Poţi să-l întrerupi aşa cum ai întrerupe o persoană, şi el te aude cât timp vorbeşte, nu doar după.
În spatele aceluiaşi contract
Acesta este un protocol diferit faţă de vocea în timp real pe care o aveam deja — un endpoint diferit, un vocabular de evenimente diferit, fără identificatori de tură, fără marcaj de final de tură. Toate acestea sunt traduse la o singură graniţă în evenimentele pe care puntea noastră vocală le vorbeşte deja. Sub aceasta, nimic nu se schimbă: aceeaşi sesiune, aceleaşi instrumente în timpul unui apel, aceeaşi decontare pe minut, aceleaşi două aplicaţii.
Înainte ca vreun rând de cod să fie scris, o sondă a rulat întreaga buclă împotriva furnizorului cu o cheie de dezvoltare şi a înregistrat cadrele. Aceste înregistrări sunt fixturile faţă de care este testat stratul de traducere — deci ceea ce este testat este ceea ce furnizorul trimite cu adevărat, nu ceea ce pretinde un document că trimite.
Ecoul este motivul pentru care nimeni nu face asta implicit
Un microfon deschis în timpul redării aude asistentul. Fără suprimare, îşi răspunde singur, la nesfârşit. De aceea pe iOS sesiunea audio comută pe profilul de procesare a vocii, care anulează ecoul şi se comportă ca un difuzor; pe Android, presetarea de captură face aceeaşi treabă.
Acest lucru are un cost real, motiv pentru care decizia este luată per model, nu global. Rândul din catalog poartă un indicator. Un model cu acel indicator ţine microfonul deschis şi activează suprimarea; orice altă voce de pe platformă îşi păstrează propria poartă şi profilul audio mai puternic, exact ca înainte. Decizia este luată când sesiunea porneşte, şi luată din nou pe baza a ceea ce serverul a deschis efectiv, în caz că o implicită de nivel s-a rezolvat la altceva.
Pe web nimic nu s-a schimbat: microfonul nu a fost niciodată blocat acolo, iar browserul deja cere suprimarea ecoului.
Ce nu este încă
Nu este în nivelul gratuit. Un minut gratuit ar dispărea într-un singur schimb, iar o alocaţie care se epuizează la mijlocul unei propoziţii este mai rea decât una care nu a fost niciodată oferită.
Iar prima versiune se comportă mai mult ca o îmbunătăţire decât ca o transformare pe mobil, pentru că ambele aplicaţii încă păstrează o parte din propria blocare până când suprimarea de pe partea dispozitivului este confirmată pe hardware real. Motorul este duplex complet; telefoanele îl ajung din urmă.