ChatGPTOpenAIискусственный интеллектголосовой интерфейсмультимодальные модели
ChatGPT теперь видит, слышит и говорит
Мария Соколова6 июля 2026 г.5 мин чтения
OpenAI расширил возможности ChatGPT, добавив поддержку голоса и изображений. Теперь пользователи могут общаться с ИИ голосом и видеть ход разговора.
Кратко:
●ChatGPT поддерживает аудио и визуальные функции
●Пользователи Plus и Enterprise могут говорить и видеть изображения
●Новые голосовые модели доступны через API
●Платформа интегрирует TTS и Whisper для синтеза и распознавания речи
Новые возможности ChatGPT
В сентябре 2023 года компания OpenAI объявила о значительном обновлении ChatGPT, добавив поддержку аудио и визуальных функций. Это новшество позволяет пользователям Plus и Enterprise общаться с ИИ голосом и загружать изображения на всех платформах.
Голосовые функции построены на новой модели TTS (Text-to-Speech), которая синтезирует человеческую речь из текста. Для распознавания речи используется технология Whisper. Это даёт возможность пользователю не только слышать ИИ, но и говорить с ним.
Визуальная составляющая
Что касается визуальной части, модели GPT-3.5 и GPT-4 теперь могут обрабатывать изображения, включая фотографии и документы, на основе языкового понимания. Это открывает новые горизонты для использования ИИ в различных сферах, таких как образование и бизнес.
Инновации в API
В мае 2026 года OpenAI расширила функционал через API, представив три новых модели: GPT-Realtime-2, GPT-Realtime-Translate и GPT-Realtime-Whisper. Эти модели способны генерировать речь, переводить её на более чем 70 языков и транскрибировать в режиме реального времени. Благодаря этим функциям разработчики могут создавать более интерактивные и эффективные приложения.
Преимущества и перспективы
Эти обновления значительно расширяют функциональность ChatGPT и делают его более универсальным инструментом. OpenAI завершает переход на GPT-4 API и продолжает разрабатывать новые возможности для своих моделей. Это также открывает двери для более сложных взаимодействий, где ИИ может не только анализировать текст, но и обрабатывать аудио и визуальные данные.
Частые вопросы
Как можно воспользоваться новыми функциями ChatGPT?
Новые функции доступны пользователям подписок Plus и Enterprise через мобильные приложения на iOS и Android.
Какие языки поддерживает GPT-Realtime-Translate?
Модель поддерживает перевод более чем с 70 языков на 13 языков.
Что такое TTS в контексте ChatGPT?
TTS или Text-to-Speech — это технология, позволяющая синтезировать человеческую речь из текста, применяемая в ChatGPT для голосовых взаимодействий.
Как визуальная обработка улучшает ChatGPT?
Визуальная обработка расширяет возможности ChatGPT, позволяя анализировать изображения и документы, что делает его более полезным в различных сферах.
