Το ChatGPT είναι πλέον ένας βοηθός που μπορεί να δει, να ακούσει και να μιλήσει
ChatGPT, που αναπτύχθηκε από την OpenAI, εισάγει νέες δυνατότητες που σας επιτρέπουν να αλληλεπιδράτε μέσω φωνής και εικόνων, προσφέροντας μια διαισθητική διεπαφή και περισσότερους τρόπους για να ενσωματώσετε το ChatGPT στην καθημερινή σας ζωή. Σε μια πρόσφατη ανακοίνωση στον ιστότοπό του, το OpenAI αποφάσισε να αποκαλύψει αυτά τα νέα χαρακτηριστικά εκ των προτέρων. Ομοίως, τόνισε τα οφέλη που προσφέρουν και τις προκλήσεις που παρουσιάζουν στην αναπτυσσόμενη αγορά της τεχνητής νοημοσύνης.
Θέματα αυτού του άρθρου:
ChatGPT: φωνητική αλληλεπίδραση
Με τη νέα λειτουργία φωνής, οι χρήστες μπορούν να έχουν διαδραστικές συνομιλίες με το ChatGPT. Αυτό σας επιτρέπει να χρησιμοποιείτε τον βοηθό ακόμη και εν κινήσει, αυξάνοντας τις δυνατότητες του chatbot. Για παράδειγμα, ένας χρήστης θα μπορούσε να ζητήσει από το ChatGPT να αφηγηθεί μια παιδική ιστορία ενώ βρίσκεται εν κινήσει, καθιστώντας την πιο ευχάριστη.
Ή, κατά τη διάρκεια ενός δείπνου με φίλους, θα μπορούσε να προκύψει μια συζήτηση για ένα συγκεκριμένο θέμα. Σε αυτήν την περίπτωση, οι χρήστες μπορούν να χρησιμοποιήσουν το bot για να λάβουν ακριβείς πληροφορίες και να επιλύσουν τη συζήτηση εποικοδομητικά.
Η τεχνολογία φωνής του ChatGPT χρησιμοποιεί α προηγμένο μοντέλο μετατροπής κειμένου σε ομιλία. Σε συνεργασία με επαγγελματίες φωνητικούς ηθοποιούς, αυτό το μοντέλο είναι σε θέση να παράγει ανθρωποειδή ήχο από δείγματα κειμένου και σύντομης φωνής, κάνοντας την αλληλεπίδραση με το ChatGPT ακόμα πιο φυσική και διαισθητική. Επίσης, χάρη σε Whisper - Ακουστικά, ένα σύστημα αναγνώρισης ομιλίας ανοιχτού κώδικα που αναπτύχθηκε από την OpenAI, οι προφορικές λέξεις είναι μεταγράφεται σε κείμενο με μεγάλη ακρίβεια, επιτρέποντας στο chatbot να κατανοεί και να ανταποκρίνεται αποτελεσματικά στα αιτήματα των χρηστών.
ChatGPT: οπτική αλληλεπίδραση
Όπως παραπάνω, το μοντέλο AI μπορεί τώρα αναλύστε μία ή περισσότερες εικόνες, επιτρέποντας στους χρήστες να λύνουν προβλήματα, να προγραμματίζουν γεύματα ή να αναλύουν πολύπλοκα γραφήματα. Για παράδειγμα, ένας χρήστης θα μπορούσε να υποβάλει μια φωτογραφία του περιεχομένου του ψυγείου του. Θα πρέπει επομένως να χρησιμοποιηθεί το chatbot αναλύστε τα τρόφιμα που υπάρχουν και προτείνετε συνταγές με βάση αυτά τα συστατικά, παρέχοντας επίσης οδηγίες βήμα προς βήμα για την προετοιμασία.
Διαβάστε επίσης: GPT-4: Ο Gemini θα είναι ο αντίπαλος της Google. Εδώ είναι οι διαφορές
Επιπλέον, εάν ο χρήστης χρειάζεται να εστιάσει σε ένα συγκεκριμένο στοιχείο της εικόνας, Η εφαρμογή για κινητά του ChatGPT περιλαμβάνει ένα εργαλείο σχεδίασης που σας επιτρέπει να επισημάνετε συγκεκριμένες περιοχές της εικόνας, κάνοντας την επικοινωνία και την ανάλυση ακόμα πιο ακριβή και εξατομικευμένη.
Η κατανόηση εικόνας τροφοδοτείται από τα πολυτροπικά μοντέλα GPT-3.5 και GPT-4. Αυτά τα προηγμένα μοντέλα εφαρμόζουν τις γλωσσικές τους δεξιότητες σε ένα ευρύ φάσμα εικόνων, όπως φωτογραφίες, στιγμιότυπα οθόνης και έγγραφα που περιέχουν κείμενο και εικόνες, επιτρέποντας στο ChatGPT να κατανοεί και να ερμηνεύει το οπτικό πλαίσιο με ακρίβεια και λεπτομέρεια.
Αξίζει να αναφέρουμε ότι από poco Το OpenAI έχει ενσωματώσει όχι μόνο αυτό canva αλλά επίσης Το DALL-E 3 στο ChatGPT, ή το μοντέλο παραγωγής εικόνας.
Πότε και για ποιον θα είναι διαθέσιμο
Τις επόμενες δύο εβδομάδες το OpenAI θα εφαρμόσει φωνή και εικόνες στο ChatGPT για τους χρήστες χρήστες με συνδρομές Plus και Enterprise.
Η λειτουργία που επιτρέπει τη φωνητική αλληλεπίδραση θα είναι διαθέσιμη σε iOS και Android αλλά όχι στην έκδοση Ιστού, που είναι αυτή που χρησιμοποιείται από τους περισσότερους.
Αντ' αυτού θα είναι διαθέσιμη η λειτουργία που επιτρέπει την οπτική αλληλεπίδραση σε όλες τις πλατφόρμες, επομένως Android, iOS και web.
Πηγή | OpenAI
