ChatGPT si sta evolvendo in molto più di un motore di ricerca basato su testo, con OpenAI anunciando che sta aggiungendo nuova intelligenza basata sulla voce e sull'immagine.
Il popolare assistente AI generativo è stato una delle più grandi storie di successo tecnologico degli ultimi tempi sin dal suo debutto circa nove mesi fa, consentendo a chiunque di generare saggi, poesie e riassunti da semplici suggerimenti basati su testo. Ma ora ChatGPT sta per diventare molto più interattivo e gli utenti potranno anche avere una conversazione vocale con il chatbot.
L'annuncio arriva mentre Amazon si è impegnata a investire fino a 4 miliardi di dollari nel rivale di OpenAI Anthropic, una mossa che fa parte di una battaglia sull'intelligenza artificiale generativa tra i giganti della tecnologia mondiale, tra cui Google, che sta cercando di recuperare terreno attraverso il suo chatbot Bard. , Meta abbraccia una forte etica open source per aiutarti ad andare avanti e Microsoft si allinea strettamente con OpenAI.
Inizio della conversazione
La giornata di oggi segna una notevole evoluzione per il movimento dell'intelligenza artificiale generativa, con OpenAI che combina il mondo familiare di assistenti di base vocale con i suoi potenti modelli linguistici di grandi dimensioni (LLM).
Ad esempio, un utente puoi chiedere verbalmente a ChatGPT Inventa una favola della buonanotte sul momento, con alcuni segnali vocali per guidare la narrazione. Oppure l'utente può semplicemente farti una domanda e ChatGPT ti darà la risposta in forma vocale.
Altrove, gli utenti di ChatGPT potranno anche cercare risposte utilizzando le immagini, ad esempio caricando un'immagine di qualcosa e chiedendo a ChatGPT di spiegare di cosa si tratta o fornire istruzioni per completare un obiettivo.
Ricerca immagini ChatGPT
La funzione vocale è abilitata da una combinazione di un nuovo modello testuale un discorso in grado di generare voci simili a quelle umane dal testo e da pochi secondi di campione vocale. OpenAI ha affermato di aver collaborato con doppiatori affermati per creare cinque voci diverse, con il suo sistema di riconoscimento vocale Whisper di open source utilizzato per trascrivere le espressioni verbali in testo.
Spotify è stato presentato anche come partner al momento del lancio, con il colosso dello streaming musicale che introduce una nuova funzionalità piuttosto interessante per i podcaster che consente loro di testare la propria voce e tradurre i propri programmi dall'inglese allo spagnolo, al francese o al tedesco, pur mantenendo la propria voce originale. Sembra però che OpenAI stia attenta a non attirare critiche, in quanto non rende disponibile a nessuno questa tecnologia; ha lavorato specificatamente con podcaster come Dax Shepard, Monica Padman, Lex Fridman, Bill Simmons e Steven Bartlett per il lancio.
"La nuova tecnologia vocale, in grado di creare voci sintetiche realistiche a partire da pochi secondi di discorso reale, apre le porte a molte applicazioni creative e incentrate sull'accessibilità", ha scritto l'azienda in un post sul blog. "Tuttavia, queste capacità presentano anche nuovi rischi, come la possibilità che attori malintenzionati si spacciano per personaggi pubblici o commettono frodi."
Le nuove funzionalità inizieranno presto a essere distribuite agli abbonati Plus ed Enterprise a pagamento. Per attivare le funzionalità vocali, gli utenti devono accedere al menu "impostazioni" dell'app, quindi "nuove funzionalità" e optare per le conversazioni vocali. Devono quindi toccare il pulsante dell'auricolare nell'angolo in alto a destra e selezionare la voce desiderata.
La voce sarà inizialmente limitata alle app ChatGPT per Android e iOS in una versione beta opzionale, mentre la ricerca di immagini sarà disponibile su tutte le piattaforme per impostazione predefinita.
