H OpenAI αποκάλυψε λειτουργίες φωνής και εικόνας στο ChatGPT, παρέχοντας μια πιο φιλική προς τον χρήστη διεπαφή που επιτρέπει φωνητικές αλληλεπιδράσεις και οπτικές επιδείξεις.
Φωνητικές συνομιλίες με το ChatGPT
Το ChatGPT προσφέρει πλέον φωνητικές συνομιλίες. Μπορείτε να συνομιλήσετε με τον βοηθό σας, να ζητήσετε ιστορίες πριν τον ύπνο ή να κάνετε συζητήσεις.
Για να ξεκινήσετε, ενεργοποιήστε τις φωνητικές συνομιλίες στις Ρυθμίσεις → Νέες δυνατότητες της εφαρμογής για κινητά και στη συνέχεια, επιλέξτε μια φωνή από πέντε επιλογές πατώντας το εικονίδιο των ακουστικών.
Η λειτουργία χρησιμοποιεί ένα υπερσύγχρονο μοντέλο μετατροπής κειμένου σε ομιλία και whisper, ένα σύστημα αναγνώρισης ομιλίας ανοιχτού κώδικα, για να δημιουργήσει ζωντανό ήχο και να μεταγράψει τις λέξεις σας σε κείμενο.
Η OpenAI έχει συνεργαστεί με επαγγελματίες φωνητικούς ηθοποιούς για αυτό και εργάζεται ενεργά για να μετριάσει πιθανούς κινδύνους όπως η πλαστοπροσωπία ή η απάτη.
Συζήτηση εικόνων με το ChatGPT
Το ChatGPT υποστηρίζει πλέον συζητήσεις εικόνων. Μπορείτε να μοιραστείτε εικόνες, να αναλύσετε γραφήματα ή να χρησιμοποιήσετε το εργαλείο σχεδίασης στην εφαρμογή για κινητά για να επισημάνετε μέρη μιας εικόνας.
Για να ξεκινήσετε, πατήστε το κουμπί φωτογραφίας ή το κουμπί συν για χρήστες iOS και Android. Μπορείτε να συζητήσετε πολλές εικόνες και να καθοδηγήσετε τον βοηθό σας χρησιμοποιώντας το εργαλείο σχεδίασης.
Η δυνατότητα κατανόησης εικόνας χρησιμοποιεί πολυτροπικά μοντέλα GPT-3.5 και GPT-4 για την εφαρμογή γλωσσικού συλλογισμού σε διάφορες εικόνες, συμπεριλαμβανομένων φωτογραφιών, στιγμιότυπων οθόνης και εγγράφων.
Ωστόσο, η OpenAI αναγνωρίζει προκλήσεις όπως παρερμηνείες και έχει πραγματοποιήσει εκτεταμένες δοκιμές για υπεύθυνη χρήση. Η OpenAI αναγνωρίζει ότι, ενώ το ChatGPT είναι χρήσιμο για εξειδικευμένα θέματα, έχει περιορισμούς και δεν πρέπει να χρησιμοποιείται σε καταστάσεις υψηλού κινδύνου χωρίς επαλήθευση.
Το μοντέλο υπερέχει στο αγγλικό κείμενο, αλλά μπορεί να δυσκολεύεται με μη λατινικές γλώσσες. Επομένως, συνιστάται στους μη Άγγλους χρήστες να το χρησιμοποιούν με προσοχή.
Η OpenAI κυκλοφορεί λειτουργίες φωνής και εικόνας για χρήστες ChatGPT σε Plus και Enterprise τις επόμενες δύο εβδομάδες. Αυτές οι λειτουργίες θα είναι διαθέσιμες σε iOS και Android μέσω ρυθμίσεων και οι εικόνες θα είναι προσβάσιμες σε όλες τις πλατφόρμες.
