OpenAI wprowadza długo oczekiwany zaawansowany tryb głosowy, ale jest pewien haczyk
Jeśli zastanawiałeś się nad członkostwem w ChatGPT Plus, teraz może być na to odpowiedni czas.
Kiedy w maju OpenAI zorganizowało wiosenne wydarzenie, jedną z największych atrakcji była demonstracja nowego trybu głosowego na ChatGPT, wzbogaconego o nowe możliwości wideo i audio GPT-4o. Długo oczekiwany nowy tryb głosowy wreszcie jest (w pewnym sensie).
We wtorek OpenAI ogłosiło w poście na X, że startup wprowadza tryb głosowy w wersji alfa dla małej grupy użytkowników ChatGPT Plus, oferując im inteligentniejszego asystenta głosowego, którego można przerywać i reagować na ich emocje.
Zaczynamy udostępniać zaawansowany tryb głosowy małej grupie użytkowników ChatGPT Plus. Zaawansowany tryb głosowy oferuje bardziej naturalne rozmowy w czasie rzeczywistym, pozwala przerwać w dowolnym momencie oraz wyczuwa i reaguje na Twoje emocje. pic.twitter.com/64O94EhhXK
Jeśli weźmiesz udział w wersji alfa, otrzymasz e-mail z instrukcjami oraz wiadomość w aplikacji mobilnej, jak pokazano na powyższym filmie. Jeśli nie otrzymałeś jeszcze powiadomienia, nie martw się. OpenAI poinformowało, że będzie nadal dodawać użytkowników na bieżąco, a plan zakłada, że wszyscy abonenci ChatGPT Plus będą mieli do niego dostęp jesienią.
W oryginalnej wersji demonstracyjnej pokazanej poniżej podczas wydarzenia inauguracyjnego firma zaprezentowała multimodalne możliwości trybu głosowego, w tym wspomaganie treści na ekranach użytkowników i wykorzystywanie aparatu w telefonie użytkownika jako kontekstu do udzielania odpowiedzi.
Niestety, wersja alfa trybu głosowego nie będzie miała tych funkcji. OpenAI udostępniło informację, że „możliwości udostępniania wideo i ekranu zostaną uruchomione w późniejszym terminie”. Startup stwierdził również, że od czasu pierwotnej wersji demonstracyjnej technologii poprawiła się jakość i bezpieczeństwo rozmów głosowych.
Zgodnie z wątkiem X, OpenAI przetestowało możliwości głosowe z ponad 100 zewnętrznymi czerwonymi zespołami w 45 językach. Startup przeszkolił także model, aby mówił wyłącznie czterema wstępnie ustawionymi głosami, blokował wyjścia odbiegające od wyznaczonych głosów oraz wdrażał bariery zabezpieczające do blokowania żądań.
Startup powiedział również, że uwzględni uwagi użytkowników w celu dalszego udoskonalenia modelu, a w sierpniu udostępni szczegółowy raport na temat wydajności GPT-4o, w tym ograniczeń i ocen bezpieczeństwa.
Możesz zostać subskrybentem ChatGPT Plus za 20 USD miesięcznie. Inne korzyści wynikające z członkostwa obejmują zaawansowane funkcje analizy danych, generowanie obrazów i priorytetowy dostęp do GPT-4o.
Tydzień po zaprezentowaniu tej funkcji przez OpenAI Google zaprezentowało podobną funkcję o nazwie Gemini Live, która nie jest jeszcze dostępna dla użytkowników. Może się to wkrótce zmienić podczas wydarzenia Made by Google, które odbędzie się za kilka tygodni.